Projektaufbau – Entrasterungs-KI - Versionsgeschichte

Fabian.babik@stud.hshl.de: /* KI Erzeugen */

2026-02-02T11:46:42Z

KI Erzeugen

← Nächstältere Version		Version vom 2. Februar 2026, 11:46 Uhr
Zeile 29:		Zeile 29:
	= Exemplarische Durchführung =		= Exemplarische Durchführung =
	== KI Erzeugen ==		== KI Erzeugen ==
	~~Hier wird erklärt wie man eine KI trainiert.~~
	===Training.mlx===		===Training.mlx===
	Dieses MATLAB-Live-Script steuert den technischen Ablauf zum Trainieren des neuronalen Netzwerks. Zu Beginn wird die Arbeitsumgebung vorbereitet, die GPU-Unterstützung via CUDA initialisiert und die Ordnerstruktur für Patches und Checkpoints angelegt. Das Skript übernimmt die automatisierte Zerlegung der Quellbilder in Graustufen-Patches der Größe 256x256 Pixel, die anschließend über einen imageDatastore verwaltet und in einen Trainings- sowie einen Validierungsdatensatz (80/20-Split) unterteilt werden.		Dieses MATLAB-Live-Script steuert den technischen Ablauf zum Trainieren des neuronalen Netzwerks. Zu Beginn wird die Arbeitsumgebung vorbereitet, die GPU-Unterstützung via CUDA initialisiert und die Ordnerstruktur für Patches und Checkpoints angelegt. Das Skript übernimmt die automatisierte Zerlegung der Quellbilder in Graustufen-Patches der Größe 256x256 Pixel, die anschließend über einen imageDatastore verwaltet und in einen Trainings- sowie einen Validierungsdatensatz (80/20-Split) unterteilt werden.

Fabian.babik@stud.hshl.de: /* Druckmuster_erstellen_function und Druckmuster_erstellen_function2 */

2026-02-02T11:46:14Z

Druckmuster_erstellen_function und Druckmuster_erstellen_function2

@@ Zeile 45: / Zeile 45: @@
 Besonderes Augenmerk liegt auf dem Edge Loss, der durch die Berechnung von Gradienten in horizontaler und vertikaler Richtung die Schärfe der Kanten im rekonstruierten Bild sicherstellt und so einem möglichen Verschwimmen entgegenwirkt. Die Komponenten sind dabei so gewichtet, dass der Fokus primär auf der Struktur (50 %) und der Kantenschärfe (40 %) liegt, während die reine Pixelgenauigkeit (10 %) unterstützend wirkt. Zudem enthält die Funktion eine Sicherheitsprüfung gegen numerische Instabilitäten (NaN-Werte), um einen stabilen Trainingsverlauf zu gewährleisten.
-===Druckmuster_erstellen_function und Druckmuster_erstellen_function2===
+===Druckmuster_erstellen_function===
-Hier wird erklärt wie die Druckmuster erstellt werden
+Die Erzeugung der synthetischen Trainingsdaten erfolgte über eine dreistufige Optimierung der Punktgeometrie, um die KI schrittweise an reale Bedingungen heranzuführen:
 == KI Anwenden ==

Fabian.babik@stud.hshl.de: /* combinedLoss.mlx */

2026-02-02T11:43:02Z

combinedLoss.mlx

← Nächstältere Version		Version vom 2. Februar 2026, 11:43 Uhr
Zeile 41:		Zeile 41:

	===combinedLoss.mlx===		===combinedLoss.mlx===
	~~Hier~~ wird die Loss Funktion ~~nochmal erklärk~~		Diese Funktion definiert ein kombiniertes Fehlermaß (Loss Function), das während des Trainings zur Bewertung der Bildrekonstruktion herangezogen wird. Um eine hohe visuelle Güte der rasterfreien Bilder zu erreichen, gewichtet die Funktion drei verschiedene mathematische Ansätze. Der Mean Squared Error (MSE) sorgt für die grundlegende Übereinstimmung der Pixelwerte und der Helligkeit. Zur Erhaltung der Bildstrukturen wird der Structural Similarity Index (SSIM) integriert, der die menschliche Wahrnehmung von Kontrasten und Texturen besser abbildet als ein rein pixelbasierter Vergleich.

			Besonderes Augenmerk liegt auf dem Edge Loss, der durch die Berechnung von Gradienten in horizontaler und vertikaler Richtung die Schärfe der Kanten im rekonstruierten Bild sicherstellt und so einem möglichen Verschwimmen entgegenwirkt. Die Komponenten sind dabei so gewichtet, dass der Fokus primär auf der Struktur (50 %) und der Kantenschärfe (40 %) liegt, während die reine Pixelgenauigkeit (10 %) unterstützend wirkt. Zudem enthält die Funktion eine Sicherheitsprüfung gegen numerische Instabilitäten (NaN-Werte), um einen stabilen Trainingsverlauf zu gewährleisten.

	===Druckmuster_erstellen_function und Druckmuster_erstellen_function2===		===Druckmuster_erstellen_function und Druckmuster_erstellen_function2===
	Hier wird erklärt wie die Druckmuster erstellt werden		Hier wird erklärt wie die Druckmuster erstellt werden

Fabian.babik@stud.hshl.de: /* PatchDatastore.m */

2026-02-02T11:41:51Z

PatchDatastore.m

← Nächstältere Version		Version vom 2. Februar 2026, 11:41 Uhr
Zeile 36:		Zeile 36:

	===PatchDatastore.m===		===PatchDatastore.m===
	~~Hier~~ wird der ~~PatchDatastore erklärt~~		Diese Klasse definiert einen spezialisierten Datenspeicher, der die Schnittstellen für Mini-Batches, Shuffling und Partitionierung in MATLAB implementiert. Die Hauptaufgabe des Datastores liegt in der dynamischen Generierung von Trainingsdaten während der Laufzeit. Anstatt statische Paare von gerasterten und sauberen Bildern zu laden, liest die Klasse saubere Originalbilder ein und transformiert diese „on-the-fly“ mithilfe der Funktion Druckmuster_erstellen_function. Dabei werden für jeden Batch zufällige Parameter wie Rasterzellengröße, Skalierungsfaktoren und Radien angewendet, um eine hohe Varianz im Training zu erzielen, ohne den Festplattenspeicher durch vorberechnete Dateien zu belasten.

			Technisch extrahiert der Datastore pro Bild eine definierte Anzahl an zufälligen Ausschnitten (Patches). Er stellt sicher, dass die Eingabedaten (Input) und die Zielbilder (Response) geometrisch exakt aufeinander abgestimmt sind, indem das saubere Originalbild mittels bikubischer Interpolation an die Größe des erzeugten Druckmusters angepasst wird. Durch die Implementierung der Methoden shuffle und partition ermöglicht die Klasse eine effiziente Durchmischung der Bildquellen sowie eine saubere Trennung von Trainings- und Validierungsdaten innerhalb der Deep-Learning-Pipeline.

	===combinedLoss.mlx===		===combinedLoss.mlx===
	Hier wird die Loss Funktion nochmal erklärk		Hier wird die Loss Funktion nochmal erklärk

Fabian.babik@stud.hshl.de: /* Training.mlx */

2026-02-02T11:40:21Z

Training.mlx

← Nächstältere Version		Version vom 2. Februar 2026, 11:40 Uhr
Zeile 31:		Zeile 31:
	Hier wird erklärt wie man eine KI trainiert.		Hier wird erklärt wie man eine KI trainiert.
	===Training.mlx===		===Training.mlx===
	~~Hier~~ wird das Training ~~erklärt~~		Dieses MATLAB-Live-Script steuert den technischen Ablauf zum Trainieren des neuronalen Netzwerks. Zu Beginn wird die Arbeitsumgebung vorbereitet, die GPU-Unterstützung via CUDA initialisiert und die Ordnerstruktur für Patches und Checkpoints angelegt. Das Skript übernimmt die automatisierte Zerlegung der Quellbilder in Graustufen-Patches der Größe 256x256 Pixel, die anschließend über einen imageDatastore verwaltet und in einen Trainings- sowie einen Validierungsdatensatz (80/20-Split) unterteilt werden.

			Im weiteren Verlauf wird das dnCNN definiert, wobei das Training über den SGDM-Optimierer mit einer adaptiven Lernrate erfolgt. Das Skript nutzt die Klasse PatchDatastore, um den Bildern während des Prozesses dynamisch die synthetischen Raster beizufügen. Während der Ausführung überwacht das Skript die Validierungskriterien auf Basis der combinedLoss-Funktion, sichert regelmäßige Checkpoints und exportiert das fertig trainierte Modell nach Erreichen der Abbruchkriterien als .mat-Datei.

	===PatchDatastore.m===		===PatchDatastore.m===
	Hier wird der PatchDatastore erklärt		Hier wird der PatchDatastore erklärt

Fabian.babik@stud.hshl.de: /* Ergebnis vom letzten Versuch */

2026-01-09T11:15:31Z

Ergebnis vom letzten Versuch

← Nächstältere Version		Version vom 9. Januar 2026, 11:15 Uhr
Zeile 269:		Zeile 269:

	====Ergebnis vom letzten Versuch====		====Ergebnis vom letzten Versuch====
	~~{\| class="wikitable" style="border: none; text-align: center;"~~		[[Media:PommesPizzaAM2.jpg\|PommesPizza_Druckraster_erstellen_function2.mlx]]</br> wurde zu
	~~\| [[Datei:HSHLTwo.jpg\|mini\| HSHL]]~~
	~~\| [[Datei:HSHL2 Vollstaendig3.jpg\|mini\|Druckmuster_erstellen_Vollstaendig.mlx]]~~
	\|}
	~~{\| class="wikitable" style="border: none; text-align: center;"~~
	\| [[~~Datei~~:~~HSHL2AM5~~.jpg\|~~mini\|Druckraster_erstellen_function~~.mlx]]
	~~\| [[Datei:HSHL2AM6.jpg\|mini\|Druckraster_erstellen_function2.mlx]]~~
	\|}
	= Weiter Ergänzungen und Ideen =		= Weiter Ergänzungen und Ideen =
	Hier ist ein Text		Hier ist ein Text
	= Schlusswort =		= Schlusswort =

Fabian.babik@stud.hshl.de: /* Ergebnis von Versuch 2 */

2026-01-09T11:14:38Z

Ergebnis von Versuch 2

← Nächstältere Version		Version vom 9. Januar 2026, 11:14 Uhr
Zeile 257:		Zeile 257:

	{\| class="wikitable" style="border: none; text-align: center;"		{\| class="wikitable" style="border: none; text-align: center;"
	\| [[Datei:~~HSHL2AM6~~.jpg\|mini\|Druckraster_erstellen_function2.mlx]]		\| [[Datei:HSHL2AM4.jpg\|mini\|Druckraster_erstellen_function2.mlx]]
	\|		\|
	\|}		\|}

Fabian.babik@stud.hshl.de: /* Ergebnis von Versuch 3 */

2026-01-09T11:13:41Z

Ergebnis von Versuch 3

← Nächstältere Version		Version vom 9. Januar 2026, 11:13 Uhr
Zeile 264:		Zeile 264:
	====Ergebnis von Versuch 3====		====Ergebnis von Versuch 3====
	{\| class="wikitable" style="border: none; text-align: center;"		{\| class="wikitable" style="border: none; text-align: center;"
	~~\| [[Datei:HSHLTwo.jpg\|mini\| HSHL]]~~
	~~\| [[Datei:HSHL2 Vollstaendig3.jpg\|mini\|Druckmuster_erstellen_Vollstaendig.mlx]]~~
	\|}
	~~{\| class="wikitable" style="border: none; text-align: center;"~~
	~~\| [[Datei:HSHL2AM5.jpg\|mini\|Druckraster_erstellen_function.mlx]]~~
	\| [[Datei:HSHL2AM6.jpg\|mini\|Druckraster_erstellen_function2.mlx]]		\| [[Datei:HSHL2AM6.jpg\|mini\|Druckraster_erstellen_function2.mlx]]
			\|
	\|}		\|}

	====Ergebnis vom letzten Versuch====		====Ergebnis vom letzten Versuch====
	{\| class="wikitable" style="border: none; text-align: center;"		{\| class="wikitable" style="border: none; text-align: center;"

Fabian.babik@stud.hshl.de: /* Ergebnis von Versuch 2 */

2026-01-09T11:13:21Z

Ergebnis von Versuch 2

← Nächstältere Version		Version vom 9. Januar 2026, 11:13 Uhr
Zeile 255:		Zeile 255:

	====Ergebnis von Versuch 2====		====Ergebnis von Versuch 2====

	{\| class="wikitable" style="border: none; text-align: center;"		{\| class="wikitable" style="border: none; text-align: center;"
	~~\| [[Datei:HSHLTwo.jpg\|mini\| HSHL]]~~
	~~\| [[Datei:HSHL2 Vollstaendig3.jpg\|mini\|Druckmuster_erstellen_Vollstaendig.mlx]]~~
	\|}
	~~{\| class="wikitable" style="border: none; text-align: center;"~~
	~~\| [[Datei:HSHL2AM5.jpg\|mini\|Druckraster_erstellen_function.mlx]]~~
	\| [[Datei:HSHL2AM6.jpg\|mini\|Druckraster_erstellen_function2.mlx]]		\| [[Datei:HSHL2AM6.jpg\|mini\|Druckraster_erstellen_function2.mlx]]
			\|
	\|}		\|}
	Der Hintergrund ist, dass das Netzwerk während des Trainings stets mit einer ausreichenden Anzahl an Bildpunkten („Dots“) gearbeitet hat. Bei zu wenigen Punkten stehen dem Modell nicht genügend Informationen zur Verfügung, um verlässlich zu lernen und zu generalisieren.		Der Hintergrund ist, dass das Netzwerk während des Trainings stets mit einer ausreichenden Anzahl an Bildpunkten („Dots“) gearbeitet hat. Bei zu wenigen Punkten stehen dem Modell nicht genügend Informationen zur Verfügung, um verlässlich zu lernen und zu generalisieren.

Fabian.babik@stud.hshl.de am 9. Januar 2026 um 11:12 Uhr

2026-01-09T11:12:54Z

← Nächstältere Version		Version vom 9. Januar 2026, 11:12 Uhr
Zeile 255:		Zeile 255:

	====Ergebnis von Versuch 2====		====Ergebnis von Versuch 2====
			{\| class="wikitable" style="border: none; text-align: center;"
			\| [[Datei:HSHLTwo.jpg\|mini\| HSHL]]
			\| [[Datei:HSHL2 Vollstaendig3.jpg\|mini\|Druckmuster_erstellen_Vollstaendig.mlx]]
			\|}
			{\| class="wikitable" style="border: none; text-align: center;"
			\| [[Datei:HSHL2AM5.jpg\|mini\|Druckraster_erstellen_function.mlx]]
			\| [[Datei:HSHL2AM6.jpg\|mini\|Druckraster_erstellen_function2.mlx]]
			\|}
	Der Hintergrund ist, dass das Netzwerk während des Trainings stets mit einer ausreichenden Anzahl an Bildpunkten („Dots“) gearbeitet hat. Bei zu wenigen Punkten stehen dem Modell nicht genügend Informationen zur Verfügung, um verlässlich zu lernen und zu generalisieren.		Der Hintergrund ist, dass das Netzwerk während des Trainings stets mit einer ausreichenden Anzahl an Bildpunkten („Dots“) gearbeitet hat. Bei zu wenigen Punkten stehen dem Modell nicht genügend Informationen zur Verfügung, um verlässlich zu lernen und zu generalisieren.

	====Ergebnis von Versuch 3====		====Ergebnis von Versuch 3====
			{\| class="wikitable" style="border: none; text-align: center;"
			\| [[Datei:HSHLTwo.jpg\|mini\| HSHL]]
			\| [[Datei:HSHL2 Vollstaendig3.jpg\|mini\|Druckmuster_erstellen_Vollstaendig.mlx]]
			\|}
			{\| class="wikitable" style="border: none; text-align: center;"
			\| [[Datei:HSHL2AM5.jpg\|mini\|Druckraster_erstellen_function.mlx]]
			\| [[Datei:HSHL2AM6.jpg\|mini\|Druckraster_erstellen_function2.mlx]]
			\|}
	====Ergebnis vom letzten Versuch====		====Ergebnis vom letzten Versuch====
			{\| class="wikitable" style="border: none; text-align: center;"
			\| [[Datei:HSHLTwo.jpg\|mini\| HSHL]]
			\| [[Datei:HSHL2 Vollstaendig3.jpg\|mini\|Druckmuster_erstellen_Vollstaendig.mlx]]
			\|}
			{\| class="wikitable" style="border: none; text-align: center;"
			\| [[Datei:HSHL2AM5.jpg\|mini\|Druckraster_erstellen_function.mlx]]
			\| [[Datei:HSHL2AM6.jpg\|mini\|Druckraster_erstellen_function2.mlx]]
			\|}
	= Weiter Ergänzungen und Ideen =		= Weiter Ergänzungen und Ideen =
	Hier ist ein Text		Hier ist ein Text
	= Schlusswort =		= Schlusswort =