Es besteht ein großer Bedarf an verbesserten und fortschrittlicheren Objekterkennungsfunktionen in Qumagie. Das derzeitige Erkennungssystem ist auf breite, generische Kategorien wie Kunst & Musik, Essen, Natur und ähnliche vordefinierte Labels beschränkt.
Um dieses Feature deutlich nützlicher zu machen, sollte die Objekterkennung wesentlich anpassbarer werden. Nutzer sollten die Möglichkeit haben, eigene „Dinge“ oder Objektkategorien nach ihren individuellen Bedürfnissen zu definieren und hinzuzufügen, anstatt auf die standardmäßigen generischen Klassifizierungen beschränkt zu sein.
Ein Beispiel: Ein Benutzer möchte, dass Qumagie bestimmte Produkttypen, unternehmensbezogene Objekte, persönliche Sammlungen, Ausstattungen oder jede andere benutzerdefinierte Kategorie erkennt, die für seinen Anwendungsfall relevant ist. Diese Form der Personalisierung würde den praktischen Nutzen und den Mehrwert der Erkennungsfunktion erheblich steigern, besonders in professionellen oder spezialisierten Umgebungen.
Kurz gesagt: Qumagie würde von einem flexibleren, vom Nutzer konfigurierbaren Objekterkennungssystem profitieren, das über die üblichen generischen Labels hinausgeht und eine wirklich persönliche Klassifizierung ermöglicht.
Das unterscheidet sich ziemlich stark von den bereits implementierten generischen Modellen. Für jede unterschiedliche Art von Gegenstand muss ein eigenes KI-Modell erstellt werden. Es ist relativ einfach, ein KI-Modell zu entwickeln, das Menschen, Katzen, Hunde, Autos usw. erkennt. Aber etwas komplett anderes ist es, Gegenstände zu erkennen, die speziell für dich relevant sind. Für jeden einzelnen Gegenstand müssten eigene KI-Modelle erstellt und implementiert werden. Damit bewegt man sich weg von etwas, das generisch ist und von der ganzen Welt genutzt werden kann, hin zu etwas, das ganz speziell auf dich zugeschnitten ist. Ergibt das Sinn? Dadurch wird das Ganze doch deutlich komplexer…
Hallo, vielen Dank für die Erklärung. Sie ist absolut nachvollziehbar und ich schätze es sehr, dass Sie sich die Zeit genommen haben, mir die Komplexität dahinter so ausführlich zu erklären.
Trotzdem wäre so eine Funktion für mich und mein Unternehmen extrem wertvoll. Generische Modelle, die Menschen, Katzen, Hunde oder Autos erkennen, sind zwar nützlich, decken aber meine spezifischen Anforderungen nicht wirklich ab. Die Möglichkeit, Objekte zu erkennen, die für meinen Arbeitsablauf relevant sind und die einzigartig für meine Tätigkeit sind, würde einen riesigen Unterschied darin machen, wie ich mein QNAP im Alltag nutze.
Mir ist völlig klar, dass das Training eines individuellen KI-Modells für jede Objektkategorie eine erhebliche Komplexität mit sich bringt. Dennoch wollte ich fragen, ob QNAP darüber nachdenken könnte, eine Art Anleitung, Dokumentation oder Toolset bereitzustellen, mit dem Nutzer wie ich selbstständig und autonom auf dem QNAP eigene Erkennungsmodelle entwickeln und trainieren können – direkt lokal, ohne auf Cloud-Dienste angewiesen zu sein.
Schon ein Schritt-für-Schritt-Tutorial, eine dedizierte App oder ein Framework ähnlich wie ein SDK wäre ein toller Anfang. Die Idee dahinter ist, fortgeschrittenen Nutzern die Möglichkeit zu geben, ihre eigenen Objektkategorien zu definieren und Modelle auf ihrer eigenen Hardware zu trainieren – alles bleibt privat und lokal.