@mastersthesis { Bau2017,
     author        = { Joshua Bauch },
     title         = { Single-Shot Lernverfahren zur echtzeitf{"a}higen Erstellung ansichtenbasierter Objektrepr{"a}sentationen },
     month         = { January },
     year          = { 2017 },
     school        = { Paderborn University },
     type          = { Bachelor's thesis },
     abstract      = { Im Rahmen dieser Arbeit soll ein Verfahren entwickelt und evaluiert werden, das die Anzahl der ben{"o}tigten Trainingsbilder f{"u}r eine Objektklassifizierung im Vergleich zu einem konventionellen Training stark reduziert. Im Rahmen eines konventionellen Trainings eines Objektklassifizierers werden sehr viele Beispielbilder ben{"o}tigt, damit ein Klassifizierer zuverl{"a}ssige Ergebnisse liefert. Oftmals ist die Beschaffung solcher Beispielbilder aber mit hohem Aufwand verbunden, da diese manuell vorgegeben werden m{"u}ssen. Dies soll im Rahmen dieser Arbeit dadurch umgangen werden, dass auf einem einzelnen oder mehreren Trainingsbildern geometrische Bildtransformationen ausgef{"u}hrt werden. Durch die transformierten Bilder wird eine gr{"o}{\ss}ere Menge an k{"u}nstlichen Trainingsbildern generiert. Mithilfe der Transformationen sollen Erscheinungs{"a}nderungen eines Objekts von Interesse robust beschrieben werden, die etwa durch {"A}nderungen der Objekt- oder Kameraposition entstehen. Des Weiteren soll das Verfahren lernf{"a}hig sein, so dass bereits klassifizierte Bilder zu den Trainingsdaten hinzugef{"u}gt werden k{"o}nnen und dadurch die Zuverl{"a}ssigkeit des Klassifizierers erh{"o}hen. }
}