@mastersthesis { Bo2012,
     author        = { Christian Born },
     title         = { Adaptive Top-Down Vorlagen zur Steuerung K{"u}nstlicher Aufmerksamkeit },
     month         = { May },
     year          = { 2012 },
     school        = { Paderborn University },
     type          = { Bachelor's thesis },
     abstract      = { Um f{"u}r die maschinelle Wahrnehmung wichtige Bereiche in Bildern zu finden, werden diese durch k{"u}nstliche Aufmerksamkeitssysteme analysiert. Diese sind an biologischer visueller Aufmerksamkeit orientiert und berechnen die Salienz eines Bildelementes, die Auff{"a}lligkeit eines Bildelements im Vergleich zu seinen Nachbarn. Im GET Lab an der Universit{"a}t Paderborn wird ein Ansatz verwendet, der auf einer Segmentierung des Eingabebildes basiert. Die entstehende Regionsliste wird dann verwendet um die
Salienz f{"u}r jede Region zu berechnen. Daf{"u}r k{"o}nnen sowohl Bottom-Up-Verfahren (datengetrieben) als auch Top-Down-Verfahren (Einfluss von Wissen) verwendet werden. In der aktuellen Umsetzung ist der Top-Down-Mechanismus darauf beschr{"a}nkt, eine Vorgabe-Region (Template) zu ber{"u}cksichtigen. In dieser Bachelorarbeit wird die aktuelle Implementierung um die Unterst{"u}tzung multiregionaler Templates sowie das Fokussieren von Bildelementen erweitert um komplexeres Verhalten mit Top-Down-Aufmerksamkeit zu unterst{"u}tzen. Die "SICK robot day" Aufgabe dient dabei als Beispielszenario, das multiregionale Templates erfordert. Dort m{"u}ssen bestimmte B{"a}lle in Tore bef{"o}rdert werden. Wobei die B{"a}lle einfache Objekte darstellen, sind die Tore komplexer und erfordern multiregionale Templates und der Fokus muss auf diesen komplexen Zielen gehalten werden. Die Implementierung wird mithilfe des Meta-Betriebsystems ROS (Robot Operating Sytem) umgesetzt und mit der Simulationsumgebung SIMORE getestet. }
}