• Medientyp: Masterarbeit; Elektronische Hochschulschrift; E-Book
  • Titel: Deep Learning basierte Erkennung von 3D-Objektposen auf Basis synthetisch erzeugter Daten
  • Beteiligte: Spallek, Dustin [Verfasser:in]
  • Erschienen: REPOSIT HAW Hamburg, 2024-05-17
  • Sprache: Deutsch
  • DOI: https://doi.org/20.500.12738/15764
  • Schlagwörter: Objekterkennung ; Posenerkennung ; synthetische Datenerzeugung ; Künstliche Intelligenz ; Maschinelles Lernen
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: Aufbauend auf der in [41] erläuterten Pipeline sowie der in [42] umgesetzten Erstellung eines synthetisch erzeugten Datensatzes zur Erkennung und 6-DOF (degrees of freedom, deutsch Freiheitsgrade) Lagebestimmung von Objekten. Erfolgt in dieser Arbeit eine Untersuchung der Deep Learning basierten Erkennung von 3D-Objektposen auf Basis synthetisch erzeugter Daten. Hierzu gehört eine Bewertung der Übertragbarkeit der trainierten Modelle beim Einsatz in realen Umgebungen und die Einschätzung von geeigneten Anwendungsmöglichkeiten. ; Based on the pipeline explained in [41] and the creation of a synthetically generated data set for the recognition and 6-DOF (degrees of freedom) position determination of objects implemented in [42]. In this thesis, the deep learning based recognition of 3D object poses on the basis of synthetically generated data is investigated. This includes an evaluation of the transferability of the trained models when used in real environments and the assessment of suitable application possibilities.
  • Zugangsstatus: Freier Zugang