Year: 2006
Type: dissertation
Abstract: Die Arbeit verfolgt praxisorientierte sowie grundlagenorientierte Aspekte zur Optimierung von Objekterkennungssystemen\ndurch die Weiterentwicklung evolutionärer und neuronaler Verfahren. Es wird der Einsatz neuronaler Klassifikatoren im\nRahmen eines Echtzeit-Autoerkennungssystems dargestellt sowie ein systematisches Verfahren zur evolutionären Mehrziel-\nStrukturanpassung neuronaler Klassifikatoren entwickelt. Weiterhin wird ein lernfähiges Salienzkartenmodell\npräsentiert, um initiale Objektdetektion in Analogie zu Mechanismen selektiver visueller Aufmerksamkeit zu lösen. Das\nModell ist anhand von Beispielen trainierbar; Wettbewerbsmechanismen sind vollständig dynamisch formuliert.\nSchließlich wird Echtzeit-Objekterkennung präsentiert, welche auf Ganzbildsuche mit einem neuen Typ von\nFaltungsnetzwerk (CNN) basiert. Ein hybrides überwacht/unüberwachtes Verfahren wird benutzt, um systematisch geeignete\nMerkmale sowie die korrekte Klassifikationsentscheidung aus den Bilddaten zu lernen.
Language: German
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2979907908