Wir wollen mithilfe von machine learning ein Programm erstellen, dass bestimmte elemente auf Bildern erkennen und dieser einordnen kann.

Idee Nummer 1: Umwandlung von Bildern in einen anderen Stil, z.B von einem Künstler oder so wie ein Photoshop Filter (z.B. Comic Filter, nicht nur Kontrast hoch.). Das gibt es allerdings schon.
Idee Nummer 2: Bot programmieren, der die google recaptchas erkennen und lösen kann. Der vorteil ist, dass es einen sehr großen Datensatz gibt. Allerdings sind die recaptchas genau so designt, dass sie Menschen von Bots unterscheiden können.
Idee Nummer 3: Schrifterkennung. Handgeschriebene mathematische Formeln erkennen und in LaTeX-Formel konvertieren.

Wir haben uns für Idee Nummer 3 entschieden.

Websites:
https://machinelearningmastery.com/
https://scikit-learn.org/stable/
https://developers.google.com/machine-learning/crash-course
http://cs231n.github.io
http://neuralnetworksanddeeplearning.com
https://www.youtube.com/results?search_query=neural+network\\
https://www.youtube.com/watch?v=2-Ol7ZB0MmU
http://detexify.kirelabs.org/classify.html
Datasets:
https://arxiv.org/pdf/1701.08380.pdf

28.11.2019
Information zur Machine Learning und Neural Network gesammelt.

05.12.2019
Heute haben wir die Ergebnisse von den letzten zwei Wochen zusammengetragen und damit angefangen ein Programm zu modellierten mit Hilfe von BuildYourOwnMashineLearningClass.ipynb.

12.12.2019
- „Training a Binary Classifier“ Beispiel aus dem Buch „Hands-On Machine Learning“ ausprobiert
- Besprechung und Planung
- Netzwerk Grundlagen aufbauen und erste Trainingsdaten ausprobiert
- Aufteilung: Information über CNN aussuchen, Schnittstelle zu LaTeX, Schnittstelle von Bildverarbeitung zu CNN

09.01.2019
Programmaufbau,Aufgaben aufteilen