@mastersthesis { Sch2018, author = { Julian Scheibl }, title = { Evaluierung von Trainingsmethoden zur objektspezifischen Kantendetektion }, month = { January }, year = { 2018 }, school = { Paderborn University }, type = { Bachelor's thesis }, abstract = { Die meisten konventionellen Algorithmen zur Kantendetektion nutzen Faltungsmatrizen, um Helligkeitsgradienten zu analysieren. Mit den Methoden des {"u}berwachten Lernens k{"o}nnen im Gegensatz dazu verschiedene, komplexere Merkmale ber{"u}cksichtigt werden. Dies erfolgt durch die Analyse von Bildausschnitten mittels Klassifizierungsverfahren. Derartige Verfahren erm{"o}glichen im Vergleich zu den konventionellen Verfahren eine zuverl{"a}ssigere und f{"u}r die Objekterkennung besser geeignete Kantendetektion. F{"u}r das Training dieser Verfahren werden {"u}blicherweise sehr breit angelegte Trainingsdatens{"a}tze verwendet. Dadurch werden die Klassifizierungsverfahren dahingehend trainiert, dass sie die Kanten von vielen unterschiedlichen Objekten detektieren. Im Rahmen dieser Bachelorarbeit sollen verschiedene Trainingsmethoden f{"u}r ein solches Klassifizierungsverfahren untersucht werden. Dabei sollen insbesondere die Kanten von spezifischen Objekten erkannt werden. Dar{"u}ber hinaus sollen die resultierenden Kantenbilder so aufbereitet werden, dass sie f{"u}r eine Objekterkennung geeignet sind. } }