Computer Vision lernen mit Microsoft Excel

Computer Vision wird von Software-Entwicklern und anderen oft als ein schwer zugängliches Feld angesehen. In einem Projekt auf GitHub erklärt Alok Govil, leitender Ingenieur bei Amazon, die Grundlagen von Computer Vision, indem er in Microsoft Excel implementierte Beispielalgorithmen mit einer Reihe von einzeiligen Excel-Formeln verwendet. Dabei wird ein überraschender Trick angewendet, der dabei hilft, Algorithmen wie Gesichtserkennung, Hough-Transformation und ähnliche in Excel zu implementieren und zu visualisieren, ohne von einem Skript oder einem Plug-in eines Drittanbieters abhängig zu sein. Um den englischsprachigen Ausführungen und Beispielen zu folgen, sollen laut Govil keine Vorkenntnisse in Computer Vision erforderlich sein. Lediglich Grundkenntnisse in Microsoft Excel sind erforderlich und der Wille die Excel-Dokumentation zu lesen sowie online nach Interpretationen der verwendeten Formeln zu suchen, beispielsweise bei Exceljet. Außerdem ist ein "gewisses mathematisches Verständnis" erforderlich, um die Ausführungen von Govil nachvollziehen zu können. Er sagt: "Wer nicht weiß, was ein gewichteter Durchschnitt ist, wird nicht folgen können. Das Verständnis von partiellen Ableitungen ist hilfreich, aber nicht unbedingt erforderlich. Das komplexeste mathematische Konzept, das verwendet wird, sind Eigenvalues, aber auch hier sollten die Leser in der Lage sein, zu folgen, auch wenn sie diese nicht kennen oder sich nicht daran erinnern."

Die Arbeit von Alok Govil wurde mit Hilfe von Excel 2016 unter Windows erzeugt. Sie sollte allerdings auch in anderen Excel-Versionen funktionieren. Getestet hat er es mit Excel 2007 unter Windows und mit Excel for Mac. Auch LibreOffice (Version 6.4.0.3 (x64)) hat er getestet. Allerdings, so Govil, läuft die Anwendung darauf so langsam, dass sie unbrauchbar ist. Apache OpenOffice hat er nicht getestet.

Das komplette Excel-File für die Anwendung hat mehr als 50 MByte, kann aber auch in klieneren Portionen geladen und ausprobiert werden. Alle weiteren Informationen zum Projekt von Alok Govil finden Sie auf dieser GitHub-Seite.