Demonstratoren sind äußerst hilfreiche Werkzeuge, welche der Veranschaulichung neuer Technologien dienen. Besonders im Kontext von Living Labs, in denen es um Bildung, Forschung, gemeinsame Entwicklung und Experimente geht, können sie von großer Bedeutung sein. Sie unterliegen in ihrer Umsetzung besonderen Anforderungen, die sich stark von denen an Produkte für den Markt unterscheiden.
Diese Arbeit stellt das Konzept und die Umsetzung eines Smart Mirror Demonstrators vor, der für das Living Lab des KI-Kompetenzzentrums ScaDS.AI in Leipzig entwickelt wurde. Der Demonstrator veranschaulicht einen Anwendungsfall von Objekt- und Ähnlichkeitserkennung, die auf künstlichen neuronalen Netzen basieren. Er besteht aus einem Smart Mirror, der Kleidungsstücke erkennen und visuell ähnliche Kleidungsstücke vorschlagen kann. Ein Nutzer kann mit dem Demonstrator ein Foto von sich aufnehmen, auf dem die erkannten Kleidungsstücke mit sogenannten Bounding Boxes markiert werden. Anschließend werden visuell ähnliche Kleidungsstücke aus einer Datenbank herausgefiltert und angezeigt.
In der Arbeit geht es zum einen um die verwendeten Technologien, als auch um die Architektur des Demonstrators selbst. Die Softwarearchitektur des Demonstrators orientiert sich an dem Aufbau von Webanwendungen und besteht aus einem Backend und einem Frontend. Das Backend wurde als REST-API umgesetzt, die in Python unter Verwendung des Frameworks Flask geschrieben wurde. Das Frontend besteht aus einer Single Page Application, umgesetzt mit dem Javascript Framework Vue. Beide Anwendungen wurden mit Hilfe der Software Docker in Containern umgesetzt, um die Laufzeitumgebung zu virtualisieren und die Ausführung auf verschiedenen Rechnern zu erleichtern. Der Technologie-Stack bestehend aus Flask, Vue und Docker und die Umsetzung unter Beachtung der REST Prinzipien sind positiv zu bewerten und wurden im ScaDS.AI in Anlehnung an den be- schriebenen Demonstrator zum Standard für die Entwicklung weiterer Demonstratoren.:1. Einleitung
1.1. Projektrahmen
1.2. Hintergrund und Idee
1.3. Aufbau der Arbeit
2. Anforderungen
2.1. Funktionale Anforderungen
2.1.1. Objekterkennung
2.1.2. Kleidungsvorschläge
2.1.3. Visualisierung und Benutzung
2.1.4. Hardware
2.2. Projektrahmen und nicht-funktionale Anforderungen
2.2.1. Das ScaDS.AI und Living Lab in Leipzig
2.2.2. Demonstratoren
2.3. Zusammenfassung
3. Technische Grundlagen
3.1. Objekterkennung
3.1.1. Convolutional Neural Networks
3.1.2. Single Shot Multibox Detector
3.2. Architektur und Technologie-Stack
3.2.1. REST Paradigma
3.2.2. Python Webframework Flask
3.2.3. Single Page Applications mit Vue
3.2.4. Virtualisierung mit Docker
3.3. Zusammenfassung
4. Implementierung
4.1. Architekturentwurf
4.2. Backend Programmierung
4.2.1. Umsetzung als Flask App
4.2.2. Detection
4.2.3. Matching
4.2.4. Umsetzung der REST API
4.3. Frontend Programmierung
4.3.1. Darstellungsschicht
4.3.2. Serviceschicht
4.3.3. Speicherschicht
4.3.4. Datenfluss
4.3.5. Online-Version
4.4. Containerisierung
4.5. Hardware
4.5.1. Samsung Flip
4.5.2. Kamera
4.5.3. Rechner
4.6. Zusammenfassung
5. Projektauswertung
5.1. Erfüllung der Anforderungen
5.2. Schwierigkeiten
5.3. Zusammenfassung
6. Ausblick
7. Literaturverzeichnis
8. Abbildungsverzeichnis
9. Quelltextverzeichnis
10. Anhang
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:83314 |
| Date | 03 February 2023 |
| Creators | Holfeld, Jonas Michael |
| Contributors | Frank, Michael, Hochschule für Technik, Wirtschaft und Kultur (HTWK) Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | info:eu-repo/semantics/acceptedVersion, doc-type:bachelorThesis, info:eu-repo/semantics/bachelorThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds