Notiz ·
Lokale Bilderkennung für meine Wohnungssuche
Für meine Wohnungssuche „Wohnungen im Revier“ wollte ich eine Frage beantworten, die viele Anzeigen offen lassen: Gibt es eine Dusche oder nur eine Badewanne? Die Antwort steckt oft in den Fotos. Deshalb lasse ich ein Bildmodell darauf schauen, lokal auf meinem eigenen Server.
Das Problem
Viele Anzeigen nennen zwar ein Bad, sagen aber nicht, wie es ausgestattet ist. Ob dort eine Dusche, eine Badewanne oder beides ist, sieht man erst auf den Bildern.
Die Lösung: SigLIP auf dem eigenen Server
Ich nutze das Bildmodell SigLIP. Es läuft lokal auf meinem eigenen Server, die Fotos gehen an keinen Fremddienst. Damit das Modell wenig Arbeitsspeicher braucht, ist es auf 8 Bit quantisiert: Es belegt rund 600 MB statt 2 GB.
Erst testen, dann einbauen
Bevor ich mich festgelegt habe, habe ich verglichen. Ein kleines CLIP-Modell lag bei 9 von 21 Testfotos richtig. SigLIP trennte die Wannen dagegen sauber.
Kalibrierung an echten Badfotos
Danach habe ich das Modell an 67 Badfotos kalibriert, die ich selbst gesichtet und eingeordnet habe. Ergebnis: Von 36 Wannen hat es 32 erkannt, und keine Dusche wurde fälschlich als Wanne eingestuft. Die Fehler, die bleiben, sind also übersehene Wannen, keine falschen Treffer.
Nur ein Hinweis, keine Behauptung
Das Ergebnis erscheint in der Wohnungssuche nur als Hinweis mit dem Zusatz „laut Foto“. Maßgeblich bleibt der Anzeigentext. Die Bilderkennung soll bei der Suche helfen, aber nichts festlegen.
Für mich zeigt das Projekt, dass sich so eine Aufgabe ohne Cloud-Dienst lösen lässt: mit einem passenden Modell, einem ehrlichen Test vorab und einer vorsichtigen Darstellung des Ergebnisses.