Open World Hero on COSS ry:n jakama tunnustus, jonka tavoitteena on edistää tietojärjestelmien avoimuutta. Vuosittain jaettava palkinto myönnetään merkittävää työtä tämän tavoitteen eteen Suomessa tehneelle henkilölle tai organisaatiolle. Kiertopalkintona on suomalaisen taiteilijan Virginie Loÿn lasimosaiikkipallo In the Nucleus, Ytimessä. Teoksen aiheena on Linus Torvaldsin työ avoimen lähdekoodin kehittäjänä ja se kuuluu sarjaan Suuria suomalaisia sankareita. Kiertopalkinnon on COSS ry:lle lahjoittanut IBM Finland. Perinne sai alkunsa vuonna 2013, kun COSS ry palkitsi Open World Hero -nimityksellä Unelmakoulu-projektin. Tämän jälkeen voittajina ovat olleet Michael ”Monty” Widenius (2014), Helsingin kaupunki (2015), Timo Sirainen, Dovecot Oy (2016), professori Tommi Mikkonen (2017), kansanedustaja Jyrki Kasvi (2018), Maanmittauslaitos (2020), Harri Pitkänen (2021) sekä Aiven Oy (2022).

Tuotamme päivittäin valtavia tekstidatamääriä, joissa voi piillä yrityksille ja organisaatioille korvaamatonta tietoa toimintansa tueksi. Kuitenkin suuri osa tekstidatasta on jäsentelemätöntä ja yrityksillä voi olla vaikeaa määritellä, miten tehokkaasti hyödyntää ja analysoida kerättyä tekstidataa.

Vapaan tekstin analysoinnilla pyritään etsimään relevanttia tietoa nimenomaan tekstidatasta. Luonnollisen kielenkäsittelyn (natural language processing, NLP) tavoitteena on tekoälyn keinoin tehdä ihmiskieli ymmärrettäväksi koneille. NLP:n ja tekstianalytiikan avulla voidaan automatisoida tekstiaineistojen käsittelyä, vähentää manuaalisia työvaiheita ja näin vähentää ihmisten tekemiä virheitä. Tekstianalytiikan avulla on mahdollista helposti analysoida suuriakin tekstimääriä ja löytää jäsentelemättömästä tekstistä erilaisia toistuvuuksia, oivalluksia, trendejä ja muita ilmiöitä. Teksianalytiikan avulla voidaan jakaa ja luokitella valtavia tietomääriä muun muassa aiheittain, yksittäisiksi lauseiksi ja avainsanoiksi sekä muodostaa näistä sanoista esimerkiksi erilaisia sanapilviä. Rakenneanalyysin lisäksi voidaan perehtyä kielen semanttisiin tasoihin eli merkityksiin digitaalisessa tekstiaineistossa. Usein teksteissä on havaittavissa myös tunteita. Näiden tekstianalyysien tuloksia on myös hyvä visualisoida. Käy lukemassa datan visualisoinnista tarkemmin aiemmin julkaisemastamme artikkelista.

Vapaan tekstin analysointiin on saatavilla lukuisia avoimen lähdekoodin ratkaisuja. Alla on listattuna muutamia suosituimpia työkaluja datatieteilijöille tekstidatan analysointiin.

NLTK

Natural Language Toolkit (NLTK) on Pythonille kehitetty suosittu ja monipuolinen avoimen lähdekoodin työkalu ja NLP-kirjasto tekstin analysointiin. Muihin kirjastoihin verrattuna se tukee useimpia kieliä ja pitää sisältää erilaisia NLP-tekniikoita (ml. luokittelu, tokenisointi, stemming, tagging, jäsentäminen ja semanttinen päättely). NLTK on erityisen suosittu akateemisissa tutkimusyhteisöissä sekä kieliteknologian ammattilaisten keskuudessa. Aloittelijalle ratkaisu saattaa kuitenkin olla hieman vaikea ymmärtää ja käyttää.

Lisenssi: Apache License 2.0

Koodi: github.com/nltk/nltk

Lisätietoja: www.nltk.org/index.html 

TextBlob

Avoimen lähdekoodin Python-pohjainen TextBlob on laajalti käytetty ja yksinkertainen eräänlainen laajennus edellä esiteltyyn NLTK-ratkaisuun. TextBlob on loistava vaihtoehto erityisesti pienempiin projekteihin ja aloittelijoille, jotka haluavat suorittaa NLP-tehtäviä, kuten tunteiden analysointia, tekstin luokittelua ja puheen osan merkitsemistä.

Lisenssi: MIT License

Koodi: github.com/sloria/textblob

Lisätietoja: textblob.readthedocs.io/en/dev/

SpaCy

SpaCy on Pythonille kehitetty helppokäyttöinen ratkaisu suuriin tietomääriin ja se sisältää lukuisia jo koulutettuja malleja luonnollisen kielen käsittelyyn, mikä helpottaa oppimista, opettamista ja luonnollisen kielen käsittelyä. Lisäksi SpaCyssä kaikki on esitetty objektina merkkijonon sijaan, mikä yksinkertaistaa sovellusten kehittämisen käyttöliittymää. Myös yhteyden muodostaminen muihin kehyksiin ja datatieteen työkaluihin on helpompaa. SpaCy on suosittu valinta monien kehittäjien ja datatieteilijöiden keskuudessa. Tosin SpaCy ei tue niin montaa eri kieltä kuin esimerkiksi edellä esitelty NLTK.

Lisenssi: MIT license

Koodi: github.com/explosion/spaCy

Lisätietoja: spacy.io

Gensim

Gensim on yksi parhaista ilmaisista avoimen lähdekoodin Python-kirjastoista asiakirjojen ilmaisuun semanttisina vektoreina ja niiden analysointiin koneoppimismenetelmien avulla. Gensim pystyy analysoimaan raakaa, jäsentymätöntä tekstiä käyttämällä eri koneoppimisen menetelmiä. Se pystyy käsittelemään suuriakin tietomääriä tehokkaasti ja nopeasti sekä löytämään tekstistä yhtäläisyyksiä, toisiaan muistuttavia tekstejä, indeksoimaan sisältöä ja navigoimaan eri tekstien välillä.

Lisenssi: GNU Lesser General Public License v2.1

Koodi: github.com/RaRe-Technologies/gensim

Lisätietoja: radimrehurek.com/gensim/# 

Voyant Tools

Voyant Tools on web-pohjainen ja helppokäyttöinen avoimen lähdekoodin ratkaisu tekstianalyysien suorittamiseen. Se sisältää monia työkaluja, kuten sanapilviä, sanatiheyksiä, frekvenssilistoja ja yhteyskarttoja. Voyant Toolsin avulla käyttäjät voivat tarkastella aineistojen rakenteita, teemoja ja yhteyksiä helposti ja nopeasti. Lisäksi mikäli ei halua aineistonsa päätyvän ulkomaalaiselle palvelimelle, Voyant Tools tarjoaa myös mahdollisuuden ladata sen Java-pohjaisen serverin omalle tietokoneelle.

Lisenssi: GPL 3.0 License

Koodi: github.com/voyanttools/Voyant

Lisätietoja: voyant-tools.org

Apache OpenNLP

Apache OpenNLP koneoppimiseen perustuva, kattava avoimen lähdekoodin NLP-työkalu ja kirjasto, jota voidaan käyttää komentoriviltä tai kirjastona sovelluksessa. Se tarjoaa myös laajan kielituen ja mahdollistaa NLP-perustehtävät sekä sitä voidaan käyttää myös monimutkaisempien tekstinkäsittelysovellusten luomiseen.

Lisenssi: Apache License 2.0

Koodi: opennlp.apache.org/source-code.html 

Lisätietoja: opennlp.apache.org

AllenNLP

AllenNLP on PyTorch-pohjainen helppokäyttöinen avoimen lähdekoodin alusta, joka on kehitetty helpottamaan NLP-tehtävien ratkaisemista ja tutkimusta. AllenNLP tarjoaa laajan valikoiman esikoulutettuja malleja ja soveltuu erinomaisesti tutkimiseen ja kokeilemiseen.

Lisenssi: Apache License 2.0

Koodi: github.com/allenai/allennlp

Lisätietoja: allenai.org/allennlp

Kerätyllä datalla ei tee mitään ellei sitä osata hyödyntää ja tulkita oikein. Yksi tapa helpottaa datan ymmärtämistä on koodata dataa tiedoksi ja esittää sitä visuaalisessa muodossa. Datan visualisointi helpottaa datan tulkintaa ja analysointia, avaa uusia näkökulmia ja korostaa datassa piileviä trendejä tai muita ominaisuuksia. Voidaan sanoa, että visualisointi tekee datan sisältämää tietoa näkyväksi. Visuaalisia elementtejä kuten taulukoita, kaavioita ja diagrammeja on usein helpompi ymmärtää kuin pelkkää numerojonoa sekä trendit ja poikkeavuudet tulevat selkeämmin näkyville. Datamäärän kasvaessa suuremmaksi ovat visualisointityökalut lähes välttämättömiä datan analysointia varten.

Datan visualisointiin on saatavilla lukuisia avoimen lähdekoodin ratkaisuja. Alla on listattuna muutamia suosituimpia työkaluja erilaisiin tarpeisiin.

RAW Graphs

RAW Graphs on helppokäyttöinen ja ilmainen avoimen lähdekoodin verkkopohjainen datan visualisointityökalu, joka tarjoaa yli 30 visualisointimallia. Se sopii erityisesti käyttäjille, jotka haluavat nopeasti luoda yksinkertaisia kaavioita ja visualisointeja ilman vaativia ohjelmointitaitoja. Visualisointeja voidaan helposti myös tuoda tai upottaa esim. verkkosivuille.

Lisenssi: Apache-2.0 license

Koodi: github.com/rawgraphs/rawgraphs-app

Lisätietoja: www.rawgraphs.io

Chart.js

Chart.js on yksinkertainen, mutta erinomainen avoimen lähdekoodin JavaScript-kirjasto datan visualisointiin. Se sopii hyvin hyödynnettäväksi pienempiin projekteihin. Chart.js tarjoaa lukuisia erilaisia responsiivisia, animoituja ja muokattavissa olevia kaaviomalleja.

Lisenssi: MIT License

Koodi: github.com/chartjs/Chart.js

Lisätietoja: www.chartjs.org

Plotly

Plotly tarjoaa käyttäjilleen hyvin suunnitellun interaktiivisen ja korkean suorituskyvyn datan visualisointiratkaisun. Käyttäjät voivat hyödyntää useita avoimen lähdekoodin kirjastoja R:lle, Pythonille, Matlabille ja JavaScriptille, mikä tekee siitä monipuolisen työkalun eri käyttäjäryhmille. Plotly tarjoaa näyttäviä ja interaktiivisia verkkopohjaisia kaavioita ja onkin hyvä big data -työkalu tiedon esittämiseen visuaalisesti houkuttelevalla tavalla.

Lisenssi: MIT license

Koodi: github.com/plotly

Lisätietoja: plotly.com/

Orange

Orange tarjoaa ratkaisun datan visualisointiin sekä on myös yksi parhaista ilmaisista avoimen lähdekoodin ratkaisuista koneoppimiseen, tiedon louhintaan ja analysointiin sekä tilastollisiin tarpeisiin. Python-pohjainen työkalu soveltuu sekä aloittelijoille että edistyneimmille käyttäjille.

Lisenssi: GNU GPL 3.0

Koodi: github.com/biolab/orange3

Lisätietoja: orangedatamining.com

Datawrapper

Datawrapper on ilmainen ja mobiiliystävällinen avoimen lähdekoodin datan visualisointityökalu, jolla voidaan luoda ammattimaisia kaavioita muutamassa minuutissa. Datawrapper tarjoaa käyttäjille helppokäyttöisen käyttöliittymän tietojoukkojen visualisointiin. Se on suunniteltu erityisesti toimittajille ja tiedonvälittäjille, jotka haluavat tuottaa interaktiivisia ja responsiivisia kaavioita verkkosivuille ja sosiaaliseen mediaan.

Lisenssi: MIT License

Koodi: github.com/datawrapper/datawrapper

Lisätietoja: www.datawrapper.de

ParaView

ParaView on yksi tehokkaimmista avoimen lähdekoodin datan visualisointiratkaisuista. Se on kehitetty analysoimaan erittäin suuria tietojoukkoja. Useat yliopistot, yritykset ja muut organisaatiot käyttävät ParaViewiä juuri sen tehokkaan laskennan vuoksi. ParaViewiä käytetään monilla eri aloilla, kuten materiaalitieteessä, ilmastotutkimuksessa ja bioinformatiikassa.

Lisenssi: BSD license

Koodi: www.paraview.org/download

Lisätietoja: www.paraview.org

R

R on ilmainen avoimen lähdekoodin ohjelmistoympäristö tilastolliseen laskentaan ja grafiikkaan. Sitä käytetäänkin laajalti tilastotieteen yhteisöissä. R sisältää monipuolisen valikoiman erilaisia laskentafunktioita ja muita ominaisuuksia datan käsittelyyn, analysointiin ja visualisointiin sekä tilastolliseen mallinnukseen. Se soveltuu myös erityisen hyvin monimutkaisiin data-analyysitehtäviin, kuten koneoppimiseen ja ennakoivaan mallinnukseen.

Lisenssi: GNU General Public License v2 tai v3

Koodi: cran.r-project.org/sources.html

Lisätietoja: www.r-project.org

Victory

Victory on avoimen lähdekoodin React-kirjasto, joka tarjoaa joukon joustavia ja muokattavia datavisualisointikomponentteja. Se on suunniteltu erityisesti kehittäjille, jotka haluavat luoda moderneja ja reagoivia datavisualisointeja React-sovelluksiin. Victory tukee peruskaavioiden lisäksi myös joitain tilasto- ja talouskaavioita.

Lisenssi: MIT License

Koodi: github.com/FormidableLabs/victory

Lisätietoja: formidable.com/open-source/victory/

FreeMind

FreeMind on ilmainen avoimen lähdekoodin ratkaisu, joka tarjoaa käyttäjille työkalun käsitekarttojen luomista varten. FreeMind on suunniteltu niin, että se on helppo oppia ja käyttää sekä se sisältää lukuisia eri ominaisuuksia.

Lisenssi: GNU General Public License version 2.0 (GPLv2)

Koodi: sourceforge.net/projects/freemind/files/freemind/1.0.0/

Lisätietoja: freemind.sourceforge.net/wiki/index.php/Main_Page

D3.js

D3.js on erittäin joustava ja suosittu avoimen lähdekoodin datan visualisointikirjasto, joka on rakennettu JavaScriptin päälle. Sen avulla voidaan luoda monipuolisia ja interaktiivisia datavisualisointeja erilaisissa formaateissa.

Lisenssi: BSD-3-Clause License

Koodi: github.com/d3/d3

Lisätietoja: d3js.org

Highcharts

Highcharts on yksi suosituimmista ja tehokkaimmista JavaScript-pohjaisista datavisualisointikirjastoista, joka tarjoaa erilaisia interaktiivisia kaavioita ja graafeja. Highcharts on helppo ottaa käyttöön ja se tarjoaa monipuolisia työkaluja data-analytiikkaan ja raportointiin.

Lisenssi: Creative Commons Attribution-NonCommercial 3.0 License (CC BY-NC 3.0) (ei-kaupalliseen käyttöön), kaupalliseen käyttöön erillinen lisenssi.

Koodi: github.com/highcharts/highcharts

Lisätietoja: www.highcharts.com

Leaflet

Leaflet on kevyt, mutta tehokas avoimen lähdekoodin JavaScript-kirjasto interaktiivisten karttojen luomiseen mobiililaitteille ja selaimille. Leaflet tarjoaa helppokäyttöisiä työkaluja karttojen muokkaamiseen ja laajentamiseen omilla tietolähteillä ja toiminnallisuuksilla.

Lisenssi: BSD-2-Clause License

Koodi: github.com/Leaflet/Leaflet

Lisätietoja: leafletjs.com

Gephi

Gephi on avoimen lähdekoodin verkkografian visualisointi- ja analysointiohjelmisto, joka on erityisen hyödyllinen suurten verkostojen tutkimuksessa ja analysoinnissa. Gephi tarjoaa monipuolisia visualisointi- ja analysointityökaluja verkon topologian ja metriikoiden tutkimiseen sekä verkkograafien luomiseen.

Lisenssi: CDDL-1.0 and GNU GPLv3

Koodi: github.com/gephi/gephi

Lisätietoja: gephi.org

Mitä ovat VR ja AR?

Virtuaalitodellisuus (virtual reality, VR) sekä lisätty todellisuus (augmented reality, AR) ovat tulleet jäädäkseen ja ne tarjoavat valtavia mahdollisuuksia tehostaa toimintaa monilla eri aloilla.

Virtuaalitodellisuudessa ihminen toimii täysin keinotekoisessa ympäristössä, oli kyseessä sitten yritys simuloida oikeaa tai täysin kuvitteellista paikkaa. Lisätyn todellisuuden maailma taas ei ole kokonaan tietokonegrafiikalla luotu vaan se hyödyntää todellisen maailman näkymää, johon on vain lisätty päälle digitaalisia elementtejä ja sisältöjä. Hyvänä esimerkkinä AR-teknologian hyödyntämisestä on muutaman vuoden takaa suosioon noussut megahitti Pokémon GO -peli.

AR- sekä VR-teknologiat eivät ole täysin uusia keksintöjä, mutta vasta viime vuosikymmeninä laitteiden komponentit ja prosessointitehot ovat alkaneet olemaan sitä luokkaa, että näiden teknologioiden täyttä potentiaalia ollaan alettu vasta kunnolla systemaattisesti hyödyntämään. Nykyään lisättyä todellisuutta ja virtuaalitodellisuutta hyödynnetään jo laajalti hyvin monenlaisissa käyttötarkoituksissa ja toimialoilla kuten rakennus- tai teollisuusaloilla mallintamaan ja tarkastelemaan vaikkapa rakenteilla olevaa rakennusta tai tuotantolinjaa.

Alla on listattuna muutamia suosituimpia ja hyödyllisiä avoimen lähdekoodin ohjelmistoja ja työkaluja, joita voidaan käyttää hyväksi, kun kehitetään niin virtuaalitodellisuuden kuin lisätyn todellisuuden sekä näiden kahden maailman yhdistelmiin (mixed reality, MR) keskittyviä ratkaisuja.

A-Frame

A-Frame on JavaScript-pohjainen avoimen lähdekoodin VR-alusta korkean suorituskyvyn toteutuksiin.
A-Frame ei vaadi kolmannen osapuolen sovelluksia tai laitteistoja eli sen käyttämiseen tarvitaan vain verkkoselain ja JavaScript-kirjasto. A-Frame toimii sujuvasti niin koneilla kuin myös joissakin suosituimmissa mixed reality (MR) -laitteissa ml. Vive, Rift, Daydreams sekä GearVR. A-Framen vahvuuksina onkin sen suorituskyky sekä se, että A-Frame toimii vaivatta mobiilissa ja useilla eri alustoilla niin VR- kuin AR-toteutuksissakin.

Lisenssi: MIT License

Koodi: github.com/aframevr/aframe

Lisätietoja: aframe.io/

ApertusVR

ApertusVR on tehokas avoimen lähdekoodin modulaarinen ja hajautettu kirjasto hyödynnettäväksi niin VR-, AR- kuin MR-toteutuksissakin. ApertusVR on kirjoitettu C++ -ohjelmointikielellä, joka tarjoaa hyvän suorituskyvyn normaaleissa tai edistyneissä laitteistoissa. ApertusVR:n vahvuutena on, että se on alustasta riippumaton, helppokäyttöinen ja helppo määrittää. Lisäksi ApertusVR tarjoaa erilaisia laajennuksia useisiin eri VR-laitteisiin ml. HTC Vive, Oculus Rift, DK2 sekä CAVE.

Lisenssi: MIT License

Koodi: github.com/MTASZTAKI/ApertusVR

Lisätietoja: apertusvr.org/

ARToolkit+

ARToolKit+ on suosittu avoimen lähdekoodin ohjelmistokirjasto, joka tarjoaa ilmaisen kokoelman työkaluja lisätyn todellisuuden, AR- sovellusten, luomiseen. ARToolkit+ auttaa ratkaisemaan AR:n ja VR:n perusongelmia, tukee uudenlaisia ominaisuuksia sekä tarjoaa myös laajennuksia Unitylle. ARToolKit+ tukee myös useita eri alustoja ml. Linux, iOS, Android sekä Windows.

Koodi: github.com/sankyprabhu/ARToolKit

Lisätietoja: www.arreverie.com/artoolkit.html

Holokit

Holokit on yksi parhaimmista avoimen lähdekoodin AR- ja VR-työkaluista, jotka hyödyntää mobiililaitteita. Holokitiin sisältyy joko tee-se-itse pahviset HeadKit-lasit tai vaihtoehtoisesti HoloKit X -lasit iPhonelle (129 dollaria) sekä TrackKit-ohjelmisto. Holokit tarjoaa helpon pääsyn mixed reality (MR) -maailmaan.

Lisenssi: Apache-2.0 license

Koodi: github.com/holokit

Lisätietoja: holokit.io/

Blender

Blender on ilmainen avoimen lähdekoodin 3D-ohjelmistopaketti, jota voidaan hyödyntää myös VR-ratkaisujen kehityksessä. Blender on ohjelmistokehittäjille hyvä ja helppokäyttöinen työkalu, jolla voi luoda muun muassa 3D-mallinnuksia, korkealaatuista animoitua sisältöä ja visuaalisia tehosteita käytettäväksi VR-sovelluksissa.

Lisenssi: GNU General Public License

Koodi: github.com/blender/blender

Lisätietoja: www.blender.org/

OpenXR

Lisäksi yksi hyödyllinen työkalu AR- ja VR-ratkaisujen kehittämisessä on OpenXR, joka on rojaltivapaa, avoin standardi, joka takaa sovellusrajapinnan kautta helpon pääsyn AR- ja VR-alustoille sekä laitteille. OpenXR:ää hyödyntämällä kehittäjät voivat helposti rakentaa sovelluksia, jotka toimivat useilla eri laitteilla. OpenXR pyrkiikin yksinkertaistamaan AR- sekä VR-ohjelmistokehitystä siten, että sovellukset voivat saavuttaa laajemman valikoiman erilaisia laitteistoalustoja ilman, että kehittäjien tulee kirjoittaa uudelleen koodia, ja mahdollistavat näin OpenXR:ää tukevien alustatoimittajien pääsyn useampiin sovelluksiin.

Lisenssi: Apache License 2.0

Koodi: github.com/KhronosGroup/OpenXR-SDK-Source

Lisätietoja: www.khronos.org/openxr/

Artikkeli on toteutettu osana Muutoskyvykkyyttä avoimen lähdekoodin osaamisen avulla (Open MemoryLab) -hanketta. Lue lisää hankkeen sivuilta: www.xamk.fi/tutkimus-ja-kehitys/openmemorylab/

Hankkeen toteutus: 01.10.2022 – 31.12.2023

Rahoittaja ja päärahoituslähde: Etelä-Savon elinkeino-, liikenne- ja ympäristökeskus, Euroopan sosiaalirahasto (ESR) REACT-EU

Konenäköön (computer vision) pohjautuvat teknologiaratkaisut ovat kehittyneet nopeasti viime vuosina. Konenäköä hyödynnetäänkin nykyään jo useilla eri aloilla kuten esimerkiksi turvallisuus- ja terveydenhuoltoaloilla, maataloudessa, älykkäissä kaupungeissa (smart city) sekä teollisuudessa.

Ohessa on listattuna seitsemän suosituinta avoimen lähdekoodin (ml. tekoälypohjaisia) valmis- tai osatoteutusratkaisuja hyödynnettäväksi kuvantunnistuksessa. Parhaiten soveltuvimman ratkaisun löytäminen juuri tiettyyn konenäkötehtävään saattaa olla haastavaa lukuisten eri saatavilla olevien työkalujen, alustojen ja ohjelmistokirjastojen joukosta. Jokaisen ratkaisun kohdalla on pyritty tuomaan lyhyesti esille tärkeimpiä toiminnallisuuksia ja hyödyntämisesimerkkejä.

OpenCV

OpenCV tarjoaa laajimman ja suosituimman konenäön (computer vision) kirjaston. OpenCV:n algoritmit soveltuvat moniin erilaisiin käyttötapauksiin kuten kasvojen ja liikkuvien esineiden tunnistamiseen sekä seurantaan. OpenCV tukee eri ohjelmointikieliä kuten C++, Pythonia sekä Javaa. OpenCV:tä hyödyntävät jo lukuisat suuret kansainväliset yritykset esimerkiksi Google, Facebook, IBM, Toyota, Sony, Honda sekä Microsoft.

Vahvuudet:

+ Käyttö on ilmaista
+ Laaja yhteisön tuki
+ Tarjoaa yli 2500 algoritmiä
+ Antaa vapauden muokata koodia tarpeisiin sopivaksi

Heikkoudet:

– Ei aloittelijaystävällinen, käyttö vaatii harjoittelua

Lisenssi:
OpenCV 4.5.0 tai uudempi versio: Apache License 2.0
OpenCV 4.4.0 tai vanhempi versio: 3-clause BSD License

Koodi: github.com/opencv/opencv

Lisätietoja: opencv.org

TensorFlow

TensorFlow on yksi suosituimpia ja kattavimpia koneoppimisen alustoja. TensorFlow on varsin hyödyllinen koneoppimiseen perustuvien kuvantunnistussovellusten kehittämisessä. TensorFlow:n kirjastosta löytyykin näihin valmiita malleja tai vaihtoehtoisesti se sallii käyttäjien kehittää konenäköön liittyviä koneoppimismalleja omien tarpeidensa pohjalta esimerkiksi kasvojen tunnistamiseen ja esineiden luokitteluun. TensorFlow tukee useita eri ohjelmointikieliä kuten Pythonia, C:tä, C++, Javaa sekä JavaScriptiä. TensorFlow tarjoaa myös laajan kokoelman erilaisia oppimateriaaleja yleisesti koneoppimiseen liittyen.

Heikkoudet:

– Vaatii laitteelta paljon, raskas prosessoida

Heikkoudet:

– Ei aloittelijaystävällinen, käyttö vaatii harjoittelua

Lisenssi: Apache License 2.0

Koodi: github.com/tensorflow/tensorflow

Lisätietoja: www.tensorflow.org

Keras

Keras tarjoaa Python-pohjaisen, syväoppimiseen (deep learning) keskittyvän ohjelmistokirjaston ja rajapinnan. Keras toimii käyttöliittymänä edellä esiteltyyn koneoppimisalusta TensorFlowiin. Se sopii erityisesti aloittelijoille, koska se mahdollistaa nopeasti ja helposti neuroverkkomallin luomisen. Kerasia hyödyntää jo moni tieteellinen organisaatio ympäri maailman kuten CERN sekä NASA.

Vahvuudet:

+ Nopea, helppokäyttöinen ja käyttäjäystävällinen
+ Laaja yhteisön tuki
+ Tarjoaa backend-tukea

Heikkoudet:

– Ominaisuudet voisivat olla parempia
– Vikojen löytäminen ja niiden korjaaminen saattaa olla haastavaa

Lisenssi: Apache License 2.0

Koodi: github.com/keras-team/keras

Lisätietoja: keras.io

SimpleCV

SimpleCV on Python-pohjainen eri avoimen lähdekoodin kirjastojen ja ohjelmistojen kokoelma, jonka avulla voit helposti kehittää konenäkösovelluksia. SimpleCV:n avulla saat pääsyn useisiin eri konenäkökirjastoihin kuten aiemmin esiteltyyn OpenCV:hin ilman, että tarvitset syvällistä tietoa monimutkaisista käsitteistä kuten bittisyvyyksistä, väriavaruuksista, puskurinhallinnasta tai eri tiedostomuodoista.

Vahvuudet:

+ Ilmainen käyttää
+ Monet algoritmeista ovat pitkälle optimoituja
+ Hyvä dokumentaatio

Heikkoudet:

– Ei tue muita ohjelmointikieliä kuin Pythonia

Lisenssi: BSD 3-Clause tai “Revised” License

Koodi: github.com/sightmachine/SimpleCV

Lisätietoja: simplecv.org

BoofCV

BoofCV on Java-pohjainen konenäköohjelmisto, joka on kehitetty hyödynnettäväksi erityisesti reaaliaikaisiin konenäköratkaisuihin. BoofCV sisältää kaikkien perusominaisuuksien lisäksi myös edistyneitä ominaisuuksia.

Vahvuudet:

+ Käyttäjäystävällinen käyttöliittymä
+ Tarjoaa tukea usealla eri kielellä

Heikkoudet:

– Hidas low-level kuvien prosessoinnissa

Lisenssi: Apache License 2.0

Koodi: github.com/lessthanoptimal/BoofCV

Lisätietoja: boofcv.org

CAFFE

CAFFE (eli Convolutional Architecture for Fast Feature Embedding) tarjoaa syväoppimisen ja konenäön ohjelmistokehyksen, joka on kehitetty Kalifornian yliopistossa, Berkeleyssä. CAFFE kehitetty C++-ohjelmointikielellä ja se tukee useita erilaisia syväoppimisarkkitehtuureja, jotka liittyvät muun muassa kuvien luokitteluun ja jaotteluun. Erityisesti CAFFE soveltuu hyödynnettäväksi teollisissa sekä tieteellisissä tarkoituksissa sen nopeuden ja tehokkaan kuvien prosessointikyvyn vuoksi.

Vahvuudet:

+ Nopea ja helppokäyttöinen
+ Tukee useita kieliä

Heikkoudet:

– Dokumentointi voisi olla parempaa

Lisenssi:
Caffe uses a shared copyright model: each contributor holds copyright over
their contributions to Caffe: github.com/BVLC/caffe/blob/master/LICENSE

Koodi: github.com/BVLC/caffe

Lisätietoja: caffe.berkeleyvision.org

DeepFace

DeepFace on alunperin Facebookin tutkimusryhmän kehittämä, suosittu ja helppokäyttöinen Python-pohjainen konenäkökirjasto kasvojentunnistukseen syväoppimisen avulla. Mikäli etsit kuvanprosessointityökaluja erityisesti reaaliaikaiseen kasvojentunnistukseen ja analysointiin, DeepFace on hyvä keino hyödyntää parhaita syväoppimisen tunnistusmalleja kuten Google FaceNetiä, VGG-Facea, OpenFacea tai Facebookin DeepFacea.

Vahvuudet:

+ Ilmainen käyttää
+ Kevyt ja helppo asentaa
+ Tukee suosittuja tunnistusmalleja

Heikkoudet:

– Cloud APIa ei ole saatavilla

Lisenssi: MIT License

Koodi: github.com/serengil/deepface

Lisätietoja: en.wikipedia.org/wiki/DeepFace

Lisäksi Miguel Diez Blanco (Project Lead) sekä Gijs Hillenius (Project Manager) Euroopan komission Open Source Program Officesta (OSPO) esittelivät online-puheenvuorossaan kuulijoille Euroopan komission lokakuussa 2020 uudistetun ja julkaistun avoimen lähdekoodin strategian jälkeen saavutettuja kehitysaskelia.

Smart Villages -ohjelmassa kuultiin monipuolisesti esimerkkejä niin Suomesta kuin myös muun muassa Virosta, Latviasta ja Irlannista siitä, millaisia digitaalisia ja älykkäitä ratkaisuja on ympäri Eurooppaa maaseutualueilla otettu käyttöön sekä millaisiin tarpeisiin erilaisia digiratkaisuja tarvittaisiin. Älykkäät kylät hyötyvät yhteistyöstä muiden yhteisöjen ja toimijoiden kanssa niin maaseudulla ja kaupungissa.