zum Inhalt

 

Michael,  Johannes

Visuelle Aufmerksamkeitsmodelle basierend auf neuronalen Netzwerken

Rostock : Universität , 2016

https://doi.org/10.18453/rosdok_id00002317

http://purl.uni-rostock.de/rosdok/id00002317

Ziel dieser Arbeit war es, eine Architektur aufzubauen, welche sowohl die Lokalisierung als auch die Erkennung von Objekten in Bildern ermöglicht und dabei effizient skaliert. Inspiriert durch die Art und Weise der menschlichen Wahrnehmung, wird ein Modell konzipiert, welches mittels Aufmerksamkeit selektiv Bildregionen fokussiert und diese sequentiell verarbeitet. Konzepte aus dem überwachten und bestärkenden Lernen werden kombiniert, um ein globales Training des Modells zu ermöglichen. Die Arbeit endet mit Experimenten zum Klassifizieren von Ziffern und Lokalisieren von KFZ-Kennzeichen.

Masterarbeit Open Access


Einrichtung :
Mathematisch-Naturwissenschaftliche Fakultät
Gutachter :
Grüning,  Tobias
Labahn,  Roger
Sprache(n) :
Deutsch
übersetzte Zusammenfassung :
The goal of this thesis was to create an architecture, which is able to both localize and recognize objects in a scene, while simultaneously scaling efficiently. Inspired by the way of the human perception, a model is designed to selectively focus its attention on different regions in an image and process them sequentially. By combining concepts from supervised and reinforcement learning, a method is created, which enables the architecture to be trained globally. The thesis ends with experiments on digit classification and license plate localisation.
DDC Klassifikation :
510 Mathematik
URN :
urn:nbn:de:gbv:28-thesis2018-0004-9
Persistente URL:
http://purl.uni-rostock.de/rosdok/id00002317
erstellt am:
2018-10-18
zuletzt geändert am:
2018-10-18
Volltext