Stad Oostende trainde voor het eerst een AI-model om automatisch foto’s te labellen. De stad heeft een objectdetectiemodel getraind om automatisch Oostendse monumenten en de mascotte te herkennen op de foto’s van de fotodatabank. Hierdoor kan de stad gemakkelijk de +10.000 afbeeldingen in de beeldbank doorzoeken en besparen ze honderden uren aan handmatig labelwerk.
Wat is een objectdetectiemodel?
Een objectdetectiemodel is een type AI dat objecten in afbeeldingen of video’s herkent en labelt. Het kan bijvoorbeeld gebouwen, mensen of dieren identificeren en aangeven waar ze zich bevinden. Dit gebeurt via machine learning, waarbij het model wordt getraind met voorbeelden om patronen te herkennen. In het dagelijks leven wordt objectdetectie al vaak toegepast voor het herkennen van nummerplaten (ANPR) of het inventarisseren van verkeersborden.
Vijf lessen die Stad Oostende uit dit pilootproject leerde:
Kies de juiste use case
Neem de tijd om een geschikte use case te vinden. Niet elk probleem hoeft met AI opgelost te worden.
Verrijk de dataset
Gebruik tools zoals Roboflow om de dataset te verrijken. Dit maakt het model nauwkeuriger.
Stel een drempelwaarde vast
Voer een intern debat over hoe accuraat het model moet zijn. Vanaf welke drempelwaarde mag het model effectief een foto labellen?
Plan onderhoud
AI-modellen hebben onderhoud nodig. Maak duidelijke afspraken over wie verantwoordelijk is na oplevering.
Begin klein en leer
Start met een pilootproject. Leer van de ervaringen en breid daarna uit.
Zelf aan de slag met objectdetectie? Stad Oostende gebruikte Roboflow om het model te trainen.Â