Neuronales Netzwerk in Fitswork - Experimente

Status
Es sind keine weiteren Antworten möglich.

wynnie

Aktives Mitglied
Hallo zusammen !

Angeregt durch den Beitrag von Benjamin Olry zum Thema Fitswork und Neuronale Netze habe ich mal ein wenig mit dem, von mir bisher kaum genutzten Feature experimentiert. Verwendet habe ich die letzte mit bekannte Version 4.47.

Zum Einsatz kam der Filter an einer von mir erstellten Aufnahme von M51. Ich habe mir überlegt, was man an dieser Aufnahme noch verbessern kann ;) und habe beschlossen, es mit mehr Schärfe zu versuchen und zu sehen, ob ich mehr Details aus der Aufnahme herauskitzeln kann. Dazu habe ich mir im Internet eine möglichst scharfe Aufnahme von M51 gesucht. Ich fand ein mit einem 14" SC aufgenommenes Foto das sehr schöne Details zeigte und wirklich sehr scharf war. Da ich die Rechte an diesem Bild nicht habe, werde ich es hier nicht zeige. Diesen Aspekt der ganzen Sache behandle ich am Schluss meiner Ausführungen. Um die Bilder genau zur Deckung zu bringen habe ich mein Ausgangsbild und das scharfe Bild im Astro Pixel Processor aufeinander registriert. Anschließend habe ich aus den registrieren Bildern einen 600x600 Pixel großen Ausschnitt freigestellt, der nur die Galaxie enthielt. Diese beiden Bilder waren nun also genau gleich groß und genau aufeinander ausgerichtet.

Die beiden Bilder habe ich in Fitswork dann in die drei Farbkanäle zerlegt, da man den neuronalen Filter nur an s/w Bildern trainieren kann. Nun konnte ich z.B. den Rotkanal meiner Aufnahme auswählen und die Funktion 'Spezielle Filter' --> 'Universellen Filter trainieren' aufrufen. Dabei wird man gefragt, welches Bild als Sollvorlage dienen soll. Hier habe ich dann den entsprechenden Farbkanal der scharfen Vorlage gewählt. In der Anzahl der Eingangs- und Ausgangsneuronen habe ich beide Extreme mal ausprobiert. Bei den Eingängen hat man die Wahl zwischen 37 oder 61 Neuronen. Bei den neuronalen Schichten habe ich immer zwei verwendet. Bei der Anzahl der Neuronen hat man die Wahl zwischen 10 und 200 von ihnen Einzusetzen. Vorgeschlagen werden 37.

Hier nun die Ergebnisse meiner Spielereien. Mein Bild das verbessert werden sollte, wurde bereits 'fertig' bearbeitet. Stellt also das Ergebnis meiner konventionellen Bildbearbeitung dar.

M51 von mir, fertig bearbeitet, ohne neuronalen Filter :

Bild ohne neuronalen Filter

Dann einmal das Ergebniss mit 37 Eingangsneuronen,2 Layern und 37 Neuronen im Filter :

M51 mit 37 Neuronen

und letztlich das Ergebnis mit 61 Eingangsneuronen, 2 Layern und 200 Neuronen im Filter

m51_61-Neuronen.jpg

Man sieht, finde ich, deutlich, dass sich der Aufwand der höheren Neuronenzahl gelohnt hat. Die Rechenzeit erhöht sich zwar, jedoch nicht ins Exorbitante. Ich habe eine recht betagten core-i5 mit 4,4GHz und das trainieren der Filter hat mit der hohen Neuronenzahl für alle drei Kanäle zusammen etwa eine Stunde gedauert. Auch das Anwenden der Filter auf das gesammte Bild dauert mit vielen Neuronen etwas länger. Schade ist dabei, dass Fitswork leider nur einen Kern nutzt. Dass ich einen Quad-Core habe spielt hier also keine Rolle.

Das Ergebnis ist schon überraschend. Es treten deutlich Details hervor, die mit konventionellem schärfen, kaum zum Vorschein kommen würden. Hier liegt, meiner Meinung nach, aber auch ein Problem des Filters. Es ist für mich kaum abzuschätzen, ob ich nicht Dinge ins Bild rechnen lasse, die ich gar nicht aufgenommen habe. Ist die Anwendung dieses Filters bereits eine Manipulation? Ich kann das nicht vollständig beantworten, da ich die genaue Funktion des neuronalen Netzwerks noch nicht bis ins Detail verstanden habe. Ein etwas mulmiges Gefühl beleibt aber. Bei einem Wettbewerb würde ich diese Bild vermutlich nicht einreichen, zumindest nach meinem Bauchgefühl.

Der Filter macht, so wie ich ihn trainiert habe, nicht im ganzen Bild einen guten Job. Er holt die Details aus der Galaxie, der Rest des Bildes sah aber mit konventioneller Bildbearbeitung besser aus. Daher habe ich im fertigen Bild letztlich nur ca. 70% der Luminanz der neuronal bearbeiteten Galaxie ins Bild gemischt. Das Ergebnis ist für den 8" f5 Newton und die EOS1000Da aber sehr scharf.

M51_16h.jpg

Alles in allem ist der Universelle Filter in Fitswork durchaus einen Blick wert und kann, denke ich , in speziellen Situationen sehr nützlich sein. Das zeigt auch Benny in seinem Beitrag. Ganz ohne Nebenwirkungen ist das ganze aber nicht.

Viele Grüße
Michael
 
Hallo Michael,

Danke für den Link, das sind sehr anschauliche Videos. Sie erklären sehr gut den Hintergrund, was neuronale Netzwerke sind und sie sie lernen. Somit verstehe ich jetzt auch deutlich besser warum mehr Neuronen und mehr Layer ein besseres Ergbenis hervorbringen.

Wie genau das neuronale Netzwerk in Fitswork nun aber arbeitet wird mir daruch noch nicht ganz klar. Ich trainiere ja auch nur mit einem 'Input' hin auf einen 'output'. Im Beispiel der Bilderkennung handgeschriebener Zahlen liegt der Fall ja anders. Ich füttere das Netzwerk mit Eingaben von denen ich das Ergebnis kenne. Die grundlegende Funktionsweise des Filters ist nur grob beschrieben, daher werde ich noch einwenig experimentieren um besser zu verstehen was das Netzwerk wie macht.

Viele Güße
Michael
 
Status
Es sind keine weiteren Antworten möglich.
Oben