Object recognition with dynamic neural fields

In dieser Arbeit stellen wir zwei Objekterkennungssysteme für einen Serviceroboter vor. Die Grundlagen für diese Arbeit liefert die Dynamische Feldtheorie. Das erste Objekterkennungssytem basiert auf drei invarianten Merkmalskanälen. Die Merkmale werden jeweils mit Label-Merkmalsfeldern repräsentiert. Ein Objekt wird durch lokalisierte Aktivierungsberge repräsentiert. Während des Lernvorgangs hinterlassen diese Aktivierungsberge eine Gedächntisspur. Diese wirkt als Voraktivierung, so dass sich im Erkennungsschritt durch die kompetitive Strukur der Label-Merkmalsfelder nur in dem zum passenden Objekt gehörenden Label ein Erregungsberg bildet. Das zweite Objekterkennungssystem arbeitet ohne Vorsegmentierung und verwendet Merkmale mit größerer Diskriminanz. Durch die größere Diskriminanz erreicht dieses System eine höhere Erkennrate. Die varianzerzeugenden Variablen werden in einem kontinuierlichen rekurrenten Prozess parallel geschätzt.

Metadaten
Author:	Christian Faubel GND
URN:	urn:nbn:de:hbz:294-26477
Referee:	Gregor Schöner ORCiD GND, Christian Schmid GND
Document Type:	Doctoral Thesis
Language:	English
Date of Publication (online):	2009/10/01
Date of first Publication:	2009/10/01
Publishing Institution:	Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:	Ruhr-Universität Bochum, Fakultät für Elektrotechnik und Informationstechnik
Date of final exam:	2009/03/02
Creating Corporation:	Fakultät für Elektrotechnik und Informationstechnik
GND-Keyword:	Objekterkennung; Neuronales Feld; Robotik; Maschinelles Sehen; Dynamisches System
Dewey Decimal Classification:	Technik, Medizin, angewandte Wissenschaften / Elektrotechnik, Elektronik
faculties:	Fakultät für Elektrotechnik und Informationstechnik
Licence (German):	Keine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht

RUB » Bibliotheksportal