@mastersthesis { Ilt2021, author = { Richard Iltner }, title = { Direkte Bestimmung lokaler Konturmerkmale mit Convolutional Neural Networks }, month = { January }, year = { 2021 }, school = { Paderborn University }, type = { Master's thesis }, abstract = { Ein h{"a}ufig verwendeter Vorverarbeitungsschritt zur Objekterkennung ist die Bestimmung informativer Bildmerkmale. Bei Verdeckungen und Deformationen von Objekten sind lokale Merkmale oft besser geeignet als globale. Zur Bestimmung dieser Merkmale existieren ausgereifte Algorithmen wie SIFT (Scale-Invariant Feature Transform), wobei den detektierten Schl{"u}sselpunkten eine charakteristische Skalierung und eine (oder mehrere) charakteristische Orientierung(en) zugeordnet werden. In Anlehnung an SIFT wird im GET Lab ein Verfahren zur Bestimmung lokaler Konturmerkmale f{"u}r diskrete Konturen entwickelt. F{"u}r die Bestimmung dieser Merkmale sind mehrere Vorverarbeitungsschritte erforderlich. Insbesondere werden eindeutige und semantisch zusammenh{"a}ngende Konturelemente ben{"o}tigt, f{"u}r die qualitativ hochwertige Kantenbilder erforderlich sind. Die Bestimmung solcher Bilder ist bisher kaum l{"o}sbar. Die Kanten stellen idealerweise alle wesentlichen Objektkonturen dar, sind unterbrechungsfrei und weisen eine Breite von einem Pixel auf. Damit k{"o}nnen dann Schl{"u}sselpunkte als Kr{"u}mmungsextrema der Konturen auf Basis einer Skalenraumanalyse bestimmt werden und somit wird ihnen eine charakteristische Skalierung zugeordnet. Im Bereich der Objekterkennung haben sich Deep Learning Verfahren bew{"a}hrt, weil mit ihnen komplexe Bildstrukturen erfasst und mit abstrakten Merkmalen repr{"a}sentiert werden k{"o}nnen. Daher wird im Rahmen dieser Masterarbeit eine direkte Detektion der Merkmale mit Hilfe von Convolutional Neural Networks als geeignete Alternative untersucht, so dass die Bestimmung der Kantenbilder entf{"a}llt. } }