Work

Graphische Modelle in der Mustererkennung

Year: 2008
Type: dissertation
Abstract: Graphische Modelle verbinden die Wahrscheinlichkeits-und die Graphentheorie: Mit Knoten und Kanten werden statistische Abhängigkeiten zwischen Variablen ausgedrückt.Dadurch können Probleme intuitiv erfasst und häufig mit geringer Rechenkomplexität gelöst werden.In dieser Arbeit wird untersucht, ob und wie Graphische Modelle für verschiedene Mustererkennungsprobleme verwendet werden können: Zur kombinierten Erkennung von Schnittpunkten und Szenenwechseln in Videos wird ein zweistufiges Modell entwickelt.Bimodale Benutzereingaben werden mit einem asynchronen Modell fusioniert.Um Gruppenaktionen in Konferenzen aus fehlerbehafteten Daten robust zu erkennen, wird ein multimodales Hidden Markov Modell mit einem linearen dynamischen System verbunden.Für einen automatischen Zusammenschnitt von Konferenzvideos werden Graphische Modelle, die Daten segmentieren und klassifizieren können, verwendet und Trainingsstrukturen entworfen.Die entwickelten Graphischen Modelle werden theoretisch analysiert, Berechnungsvorschriften und Lernalgorithmen abgeleitet, die jeweiligen Erkennungsleistungen experimentell evaluiert und mögliche Erweiterungen aufgezeigt.
Language: German
Open Access status: green
OpenAlex ID: W2397023034
Cites: 105
Cited by: 2
Related to: 10