Kurzbeschreibung
Evaluierung von Trainingsmethoden zur objektspezifischen Kantendetektion| Student: | Julian Scheibl |
| Jahr: | 2018 |
| Themengebiet: | Computer Vision |
Die meisten konventionellen Algorithmen zur Kantendetektion nutzen Faltungsmatrizen, um Helligkeitsgradienten zu analysieren. Mit den Methoden des überwachten Lernens können im Gegensatz dazu verschiedene, komplexere Merkmale berücksichtigt werden. Dies erfolgt durch die Analyse von Bildausschnitten mittels Klassifizierungsverfahren. Derartige Verfahren ermöglichen im Vergleich zu den konventionellen Verfahren eine zuverlässigere und für die Objekterkennung besser geeignete Kantendetektion. Für das Training dieser Verfahren werden üblicherweise sehr breit angelegte Trainingsdatensätze verwendet. Dadurch werden die Klassifizierungsverfahren dahingehend trainiert, dass sie die Kanten von vielen unterschiedlichen Objekten detektieren. Im Rahmen dieser Bachelorarbeit sollen verschiedene Trainingsmethoden für ein solches Klassifizierungsverfahren untersucht werden. Dabei sollen insbesondere die Kanten von spezifischen Objekten erkannt werden. Darüber hinaus sollen die resultierenden Kantenbilder so aufbereitet werden, dass sie für eine Objekterkennung geeignet sind.