Auf Grundlage der Bayes`schen Methoden sollen sowohl optimale als auch effiziente Algorithmen für den Bereich Maschinensehen entwickelt werden

基于贝叶斯方法，将开发机器视觉领域的最优且高效的算法

• 批准号: 5448725
• 负责人: Professor Dr. Daniel Cremers
• 金额: --
• 依托单位: Lehrstuhl für Informatik IX: Bildverarbeitung und Künstliche Intelligenz
• 依托单位国家: 德国
• 项目类别: Independent Junior Research Groups
• 财政年份: 2005
• 资助国家: 德国
• 起止时间: 2004-12-31 至 2012-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5448725?language=en
• 关键词: Auf; Grundlage; der; Bayes; schen

In der bisherigen Forschung im Bereich Maschinensehen lassen sich zwei zentrale Probleme erkennen: Erstens sind maschinelle Sehverfahren den Fähigkeiten menschlicher Beobachter oftmals weit unterlegen. Zweitens werden regelmäßig verbesserte Algorithmen zur Lösung bestimmen Bildverarbeitungsprobleme (z.B. Segmentation, Comer Detection) entwickelt, ohne daß garantiert werden kann, daß die vorgeschlagenen Methoden das gegebene Problem optimal lösen. Der Bayes Ansatz erlaubt es, Bildinformation und vorher gelerntes Wissen über unsere Umwelt zu kombinieren, um eine optimale Interpretation der Bilddaten zu bestimmen. Die aus dem Bayes Ansatz abgeleiteten Algorithmen garantieren damit eine mathematisch optimale Lösung des gegebenen Problems unter bestimmten Annahmen. Zudem ermöglicht der Ansatz die - für menschliche Beobachter charakteristische - Integration vorher gelernten Wissens. Das Projekt befaßt sich mit der Repräsentation von Objekten (Form, Textur, Bewegung), dem Lernen von Objektmerkmalen und der Integration des gelernten Wissens mit Hilfe von Techniken aus den Bereichen Maschinenlernen, Statistik und Variationsrechnung. Die innerhalb des Projektes entwickelten Computer Vision Algorithmen werden in Echtzeit-Anwendungen validiert (Robot Navigation, Mensch-Maschine-Interaktion, Objekterkennung und Tracking).

在Bereich Maschinensehen 的研究中，存在两个主要问题：Erstens sind maschinelle Sehverfahren den Fähigkeiten menschlicher Beobachter oftmals weit unterlegen。 Bildverarbeitungsprobleme（即分割、角点检测）是解决问题的最佳方法。 Ansatz die - für menschliche Beobachter Charakteristische -集成 vorher gelernten Wissens。 Echtzeit-Anwendungen validiert 中的计算机视觉算法的内部变化（机器人导航、Mensch-Maschine-Interaktion、Objekterkennung 和 Tracking）。