Ist das Kunst oder kann das weg?

Dieses Projekt will die uralte Frage ein für alle mal lösen: Ist das Kunst oder kann das weg? Und natürlich macht man das heutzutage mit Deep Machine Learning!

FAQ

Wie funktioniert das eigentlich?

Technisch gesehen mit Hilfe von Neuronalen Netzen und Deep Machine Learning. Praktisch gesehen mit einer Menge schwarzer Magie, Code-Snippets von Stack-Overflow und einem kleinen bisschen Confirmation Bias.

Und wie gut klappt das?

Großartig! Während der Entwicklung wurde das neuronale Netz nur auf insgesamt 600 Bildern trainiert. Die Alpha-Version basiert schon auf fast 6000 – sie ist also 10 mal so gut!

Ist Kunst nicht subjektiv?

Nein! Offensichtlich kann die App ganz klar vorhersagen, was Kunst ist und was weg kann. Das Problem ist also klar gelöst, Kunst ist ab jetzt rein objektiv bewertbar.

Und das ist Wissenschaft?

Ja, Zu 95 Prozent! Es muss wissenschaftlich absolut valide sein, denn dieses Projekt hat seine eigene DOI: 10.5281/zenodo.3349570

Wie sieht es mit der Privatsphäre aus?

Die App arbeitet lokal, es gibt keinen Server, keine Bilder werden irgendwohin gesendet oder gespeichert. Wenn du misstrauisch bist, kannst du sie auch einfach selbst kompilieren

Wie kommt man auf so eine Idee?

Gute Frage! Die Idee hatte ich tatsächlich schon länger. Auf der diesjährigen Gulaschprogrammiernacht des CCC Karlsruhe / Entropia e.V. hatte ich endlich mal Zeit, sie umzusetzen.

Wie kriege ich die App!?

Noch gibt es keine Version im PlayStore. Aber das Debug-APK und die Tensorflow/Keras-Modelle kann man unter Releases finden.

Bestandteile

train_model

Bestandteile des Projekts, um ein Tensorflow-Modell zu trainieren.

1. ./download_images.sh: Bilder von Google Images herunterladen, die zum Training verwendet werden
2. Bilder manuell nach fehlerhaften JPEGs durchsuchen (das konnte ich nicht gescheit automatisieren)
3. python3 ml.py: Das eigentliche Machine Learning (Tensorboard: tensorboard --logdir=logs)
4. python3 tflite.py: Konvertiere das Keras-Modell nach TensorFlow Lite
5. ./copy_models.sh: Kopiere das Modell in die Ressourcen der Android-App

Voraussetzungen: requirements.txt, ImageMagick, ein installierter ChromeDriver.

Referenz: Basiert im Wesentlichen auf diesem Tutorial.

classifier_app

Eine Android-App, die das Kamera-Bild live klassifiziert und sagt, ob es Kunst ist oder weg kann.

1. Die Schritte aus train_model ausführen.
2. Den Ordner in Android Studio öffnen und das Projekt bauen.

Voraussetzungen: Android Studio

Referenz: In weiten Teilen eine leicht modifizierte Variante der offiziellen TensorFlow Lite Image Classification Example Application (Apache-2.0-Lizenz)