Etwa bei Kartografierungen oder medizinischen Bildern steht man
vor der Aufgabe, jedem Pixel im Bild eine bestimmte Klasse zuzuordnen,
etwa eine der Klassen {Wald, Straße, Stadt, Berg, ...} oder
{Gewebe, Knochen, ...}.
Um das zu automatisieren, bräuchte man die Abbildung
Das ist eine Aufgabe für neuronale Klassifikatoren: Ein einzelnes Bild liefert genügend Daten, für jedes Pixel ein Trainingspattern. Man kann einige davon zum Training benutzen, und anschließend das gesamte Bild nur aufgrund der gelernten Abbildung automatisch klassifizieren, indem man jedes einzelne Pixel vermöge obiger Abbildung auf den jeweiligen Ausgabewert abbildet.
Naja, das funktioniert so natürlich nur bei sehr einfachen Situationen: Etwa ein Bild, in dem alle Ostereier - und nur diese - rot sind, erlaubt, die Abbildung
mit obigem Verfahren zu lernen. Im Allgemeinen ist aber der Farbwert oder Grauwert eines einzelnen Pixel nicht aussagekräftig.
Häufig ist zwar das Pixel alleine nicht aussagekräftig, dafür aber das Pixel und eine kleine Umgebung! D.h., ändert man die Funktion ab in die zu lernende Vorschrift
dann ist das eine mit einem vorwärtsgerichteten Netz, einer SVM, LVQ oder irgendeinem Klassifikator lösbare Aufgabe. Sie sollen das konkret für ein Bild ausprobieren, wobei jedes einzelne Pixel durch einen Grauwert zwischen 0 und 255 beschrieben ist. Ihre Klassen lauten der Jahreszeit gemäß: Osterei / kein Osterei. Um Ihnen die Arbeit zu erleichtern, finden Sie das korrekt klassifizierte Bild hier.
Jetzt ist nur noch Folgendes zu beachten: Wie bei Netzen üblich, ist eine geeignete Vorverarbeitung der Daten essentiell für den Erfolg. Es hilft, zusätzlich zu den Pixeln in einer kleinen Umgebung z.B. den mittleren Grauwert, den Verlauf der Kanten oder andere evtl. selbstentworfene Merkmale mitzugeben. Einen reichen Schatz an möglichen Merkmalen findet man unter dem Stichwort digitale Bildverarbeitung z.B. im gleichnamigen Buch von Bernd Jähne. (-> Bibliothek)