Hoe werkt beeldherkenning met AI?

Machines die kunnen zien

Visuele informatie is de rijkste informatiebron die we hebben. Een enkel oogopslag geeft ons informatie die duizenden woorden zou kosten om te beschrijven: een mensengezicht met zijn emoties, een scene met zijn diepte en beweging, een medische scan met subtiele afwijkingen. Het leren van AI-systemen om visuele informatie te begrijpen — computervisie — is een van de meest impactvolle deelgebieden van AI.

De doorbraken van de afgelopen tien jaar zijn dramatisch: van systemen die nauwelijks een kat van een hond konden onderscheiden, naar modellen die melanoom vroeger en nauwkeuriger diagnosticeren dan dermatologen, zelfrijdende auto’s die complexe verkeerssituaties begrijpen, en systemen die miljoenen satellite-beelden analyseren voor klimaatmonitoring.

Van pixels naar begrip: de uitdaging

Voor een computer is een digitale afbeelding slechts een matrix van getallen: rijen en kolommen van pixels, elk met RGB-waarden tussen 0 en 255. Een afbeelding van 1920×1080 pixels (Full HD) bevat meer dan 6 miljoen getallen. In die zee van getallen hetzelfde patroon te herkennen — een kat — ongeacht belichting, perspectief, schaal, rotatie of deeltelijke bedekking, is een enorm wiskundig probleem.

Vroege pogingen (1960–90) probeerden dit via handmatig ontworpen kenmerken: randen, hoeken, texturen. Het werkte deels maar faalde bij complexiteit en variabiliteit. De doorbraak kwam met deep learning.

Convolutional Neural Networks: de revolutie (2012)

In 2012 won het AlexNet model de ImageNet-competitie met een foutpercentage van 15,3% — ver onder de 26,2% van de tweede. Het gebruikte een Convolutional Neural Network (CNN). Dit luide de moderne computervisie-era in.

Hoe werkt een CNN?

Een CNN verwerkt afbeeldingen via convolutie-lagen. Een convolutiefilter (kernel) schuift over de afbeelding en berekent op elke positie het inproduct van het filter met het overeenkomende beeldgebied. Dit detecteert lokale patronen: randen, texturen, kleurgradiiënten.

Vroege lagen detecteren eenvoudige patronen (horizontale randen, kleurvlakken). Diepere lagen combineren deze tot complexere structuren (neus, oog, wiel). De diepste lagen representeren semantische concepten (gezicht, auto, tumor).

Kernvoordelen van CNNs:

• Gewichtsdeling: Dezelfde filter wordt toegepast op alle posities — een rand is een rand, ongeacht waar in het beeld
• Translatie-invariantie: Het netwerk herkent het object ongeacht positie
• Schaalbaarheid: Werkt efficiënter dan volledig verbonden netwerken voor hoge-resolutie beelden

Pooling

Na convolutielagen volgen pooling-lagen die de representatie samenvatten (max- of gemiddelde-pooling). Dit reduceert de resolutie, vergroot het receptieve veld en biedt enige robuustheid voor kleine verschuivingen.

Vision Transformers: de nieuwe standaard

Vanaf 2020 begon de Vision Transformer (ViT) de CNN te verdringen voor veel taken. In plaats van convolutiefilters, verdeelt ViT een afbeelding in vaste patches (bv. 16×16 pixels), embedt elke patch als een token, en verwerkt de sequence via een standaard transformer-architectuur.

Voordelen van ViT:

• Self-attention legt langere-afstand relaties vast die CNNs missen
• Schaalbaar met meer data (schalingswetten gelden ook voor computervisie)
• Uniforme architectuur met taalmodellen maakt multimodale systemen makkelijker

Taaktypen in computervisie

Classificatie

Wat staat er in het beeld? (“Dit is een hond.”) De meest basale taak. ImageNet-classificatie is de historische benchmark.

Object detection

Waar zijn de objecten en wat zijn ze? (“Er zijn drie mensen op positie X, Y.”) Vereist zowel classificatie als lokalisatie via bounding boxes. YOLO, Faster R-CNN en DETR zijn populaire architecturen.

Semantic segmentation

Classificeer elke pixel. (“Deze pixels vormen de weg, deze het voetpad, deze een persoon.”) Essentieel voor zelfrijdende voertuigen.

Instance segmentation

Als semantic segmentation maar met individuele objecten onderscheiden. (“Dit is persoon 1, dit is persoon 2.”) Gebruikt voor medische scan-analyse en video-surveillance.

Pose estimation

Detecteer de positie van lichaamsdelen. Toepassingen: sportanalyse, fysiotherapie, bewegingsanalyse.

Optische tekenstherkenning (OCR)

Zet tekst in afbeeldingen om naar machine-leesbare tekst. Cruciaal voor document-verwerking, kentekenlezers en toegankelijkheid.

Doorbraken en toepassingen

Medische diagnose

De meest impactvolle toepassing. AI-systemen presteren op of boven het niveau van specialisten bij:

• Melanoom-detectie op dermoscopy-foto’s (Stanford studie, 2017)
• Diabetische retinopathie op oogfoto’s (Google, FDA-goedgekeurd 2018)
• Borsttumoren op mammogrammen (minder fout-negatieven dan radiologen)
• COVID-19 detectie op thorax-CT’s

Gezichtsherkenning

Moderne systemen bereiken >99% nauwkeurigheid op bekende datasets. Toepassingen: telefoon-ontgrendeling, vliegtuig-boarding, opsporingssystemen. Maar ook: significante privacyzorgen, bewezen bias voor donkere huidskleur, en reeel misbruikrisico bij surveillance.

Zelfrijdende voertuigen

Combineren meerdere sensormodaliteiten: camera, LIDAR, radar. Computervisie is verantwoordelijk voor rijstrookdetectie, voetgangerdetectie, verkeersbordherkenning en obstakelidentificatie.

Satelliet- en drone-analyse

AI verwerkt petabytes satelliet-data voor:

• Ontbossingsmonitoring (Amazon, Congo)
• Gewasopbrengst-voorspelling
• Stadsgroei-analyse
• Rampenschade-evaluatie
• Militaire inlichtingen

Kwaliteitscontrole in de industrie

AI-cameras inspecteren producten op productielijnen met microseconde snelheid: defecten in chips, imperfecties in glas, afwijkingen in farmaceutische tabletten. Nauwkeuriger en sneller dan menselijke inspecteurs.

Risico’s en beperkingen

Bias in trainingsdata

Als een gezichtsherkenningssysteem voornamelijk is getraind op blanke gezichten, presteeert het slechter voor donkere huidskleur. Meerdere studies — MIT’s Gender Shades project (Joy Buolamwini) — toonden aan dat commerciële gezichtsherkenningssystemen dramatisch hogere foutpercentages hebben voor zwarte vrouwen. Dit heeft geleid tot onterechte politiearrestaties in de VS.

Adversarial attacks

Kleine, voor mensen onzichtbare veranderingen in een afbeelding kunnen AI-systemen systematisch misleiden. Een stop-bord met specifieke stickers kan als 120 km/u-bord worden herkend. Een t-shirt met speciaal patroon kan een persoon onzichtbaar maken voor objectdetectie-systemen.

Distributieverschuivingen

Een model getraind op data uit omstandigheid A faalt in omstandigheid B. Een beeldherkenner getraind op geselecteerde ziekenhuisscans doet het slechter op scans van andere apparatuur of populaties.

Privacy

Gezichtsherkenning in openbare ruimten, zonder toestemming, is een fundamentele privacybedreiging. China’s brede inzet van gezichtsherkenning voor sociale controle is het meest extreme voorbeeld. De EU AI Act verbiedt real-time biometrische identificatie in openbare ruimten behalve in strikt gedefiniëerde gevallen.