Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Die Arbeit verfolgt praxisorientierte sowie grundlagenorientierte Aspekte zur Optimierung von Objekterkennungssystemen durch die Weiterentwicklung evolutionärer und neuronaler Verfahren. Es wird der Einsatz neuronaler Klassifikatoren im Rahmen eines Echtzeit-Autoerkennungssystems dargestellt sowie ein systematisches Verfahren zur evolutionären Mehrziel-Strukturanpassung neuronaler Klassifikatoren entwickelt. Weiterhin wird ein lernfähiges Salienzkartenmodell präsentiert, um initiale Objektdetektion in Analogie zu Mechanismen selektiver visueller Aufmerksamkeit zu lösen. Das Modell ist anhand von Beispielen trainierbar; Wettbewerbsmechanismen sind vollständig dynamisch formuliert. Schließlich wird Echtzeit-Objekterkennung präsentiert, welche auf Ganzbildsuche mit einem neuen Typ von Faltungsnetzwerk (CNN) basiert. Ein hybrides überwacht/unüberwachtes Verfahren wird benutzt, um systematisch geeignete Merkmale sowie die korrekte Klassifikationsentscheidung aus den Bilddaten zu lernen.