Thomas Brox


Decoder


Encoder
(Analyse)

conv 3x3, ReLU
copy and crop
J max pool 2x2
J up-conv 2x2
» conv 1x1

Skip
Connections




Abb. 2: U-Net Netzwerkarchitektur

zu einem wichtigen Faktor geworden. Nur wer viele und diverse Daten zur Ver-
fügung hat, kann auch die besten Modelle trainieren. Deutschland hat mit seinen
besonders strengen Datenschutzregeln insbesondere in Bezug auf Bilddaten hier
sicherlich einen Standortnachteil.
Deep Learning sieht ein bisschen nach einem Zauberstab aus, mit dem man
alles herbeizaubern kann. So ist das natürlich nicht. Inzwischen versteht man die
Abläufe etwas besser als noch zu Beginn, auch wenn noch einiges offen ist. Ins-
besondere aus der eben geschilderten Tatsache, dass große Modelle immer besser
funktionieren als kleinere, ergibt sich die Frage, wie viel sich durch Auswendig-
lernen der Daten erklären lässt. Bei der Aufgabe, aus einem einzelnen Bild die 3D
Form des Objekts zu rekonstruieren, konnten wir beispielsweise die Ergebnisse
sehr gut mit klassischen Ansätzen erklären, etwa mit Retrieval in den Trainings-
daten oder einer Variante, die die ähnlichsten Formen zu Clustern zusammenfügt
und dann nur noch ein Erkennungsnetzwerk lernt, das den besten Cluster aus-
sucht.
Ein kritischer Aspekt in der Praxis ist die fehlende Robustheit tiefer Netz-
werke gegenüber kleinen Änderungen in den Daten. Man fand heraus, dass sehr
kleine, unsichtbare Veränderungen im Bild das Ergebnis komplett ändern können.
Diese fehlende Stabilität ist eine große Hürde bei sicherheitsrelevanten Anwen-
dungen, die man inzwischen zwar ein bisschen besser aber noch nicht komplett
im Griff hat.

41