Mühlberg, Alexander;
Katzmann, Alexander; Heinemann, Volker; Kärgel, Rainer; Wels, Michael; Taubmann, Oliver; Lades, Félix; Huber, Thomas; Maurus, Stefan; Holch, Julian; Faivre, Jean-Baptiste; Sühling, Michael; Nörenberg, Dominik; Rémy-Jardin, Martine
The Technome - a predictive internal calibration approach for quantitative imaging biomarker research. - In: Scientific reports, ISSN 2045-2322, Bd. 10 (2020), 1103, S. 1-15
https://doi.org/10.1038/s41598-019-57325-7
The Technome - a predictive internal calibration approach for quantitative imaging biomarker research. - In: Scientific reports, ISSN 2045-2322, Bd. 10 (2020), 1103, S. 1-15
https://doi.org/10.1038/s41598-019-57325-7
Katzmann, Alexander;
Mühlberg, Alexander; Sühling, Michael; Nörenberg, Dominik; Holch, Julian; Groß, Horst-Michael
Deep random forests for small sample size prediction with medical imaging data. - In: IEEE ISBI 2020, (2020), S. 1543-1547
https://doi.org/10.1109/ISBI45749.2020.9098420
Deep random forests for small sample size prediction with medical imaging data. - In: IEEE ISBI 2020, (2020), S. 1543-1547
https://doi.org/10.1109/ISBI45749.2020.9098420
Müller, Steffen;
Wengefeld, Tim; Trinh, Thanh Quang; Aganian, Dustin; Eisenbach, Markus; Groß, Horst-Michael
A multi-modal person perception framework for socially interactive mobile service robots. - In: Sensors, ISSN 1424-8220, Bd. 20 (2020), 3, 722, insges. 18 S.
https://doi.org/10.3390/s20030722
A multi-modal person perception framework for socially interactive mobile service robots. - In: Sensors, ISSN 1424-8220, Bd. 20 (2020), 3, 722, insges. 18 S.
https://doi.org/10.3390/s20030722
Eisenbach, Markus;
Stricker, Ronny; Sesselmann, Maximilian; Seichter, Daniel; Groß, Horst-Michael
Enhancing the quality of visual road condition assessment by deep learning. - In: XXVI World Road Congress - Abu Dhabi 2019, (2019), S. 1-13
Enhancing the quality of visual road condition assessment by deep learning. - In: XXVI World Road Congress - Abu Dhabi 2019, (2019), S. 1-13
Groß, Horst-Michael
Schlussbericht zum Teilvorhaben "3D-Kartenrepräsentation und personenzentrierte Navigation" im Verbundprojekt ROTATOR (Dreidimensionale Out-of-Stock-Erfassung mittels autonomer mobiler Roboter) : ROTATOR ist Teil der Allianz 3Dsensation im Rahmen des BMBF-Progranns "Zwanzig20 - Partnerschaft für Innovation" : Projektlaufzeit: 01.11.2016-31.10.2019. - [Ilmenau] : Technische Universität Ilmenau. - 1 Online-Ressource (68 Seiten, 26,40 MB)Förderkennzeichen BMBF 03ZZ0437D
https://doi.org/10.2314/KXP:1726772721
Schlussbericht zum Teilvorhaben "3D-Kartenrepräsentation und personenzentrierte Navigation" im Verbundprojekt ROTATOR (Dreidimensionale Out-of-Stock-Erfassung mittels autonomer mobiler Roboter) : ROTATOR ist Teil der Allianz 3Dsensation im Rahmen des BMBF-Progranns "Zwanzig20 - Partnerschaft für Innovation" : Projektlaufzeit: 01.11.2016-31.10.2019. - [Ilmenau] : Technische Universität Ilmenau. - 1 Online-Ressource (68 Seiten, 26,40 MB)Förderkennzeichen BMBF 03ZZ0437D
https://doi.org/10.2314/KXP:1726772721
Groß, Horst-Michael
Schlussbericht zum durch das Bundesministerium für Bildung und Forschung im Rahmen der Fördermaßnahme KMU-innovativ: IKT geförderten Verbundprojekt ASINVOS - Assistierendes und interaktiv lernfähiges Videoinspektionssystem für Oberflächenstrukturen am Beispiel von Straßenbelägen und Rohrleitungen (Projektlaufzeit: 01.01.2016-30.09.2018) der Technische Universität Ilmenau für den Berichtszeitraum 01.01.2016-30.09.2018. - [Ilmenau] : Technische Universität Ilmenau. - 1 Online-Ressource (168 Seiten, 30,48 MB)Förderkennzeichen BMBF 01 IS 15 036 D
https://doi.org/10.2314/KXP:1697816754
Schlussbericht zum durch das Bundesministerium für Bildung und Forschung im Rahmen der Fördermaßnahme KMU-innovativ: IKT geförderten Verbundprojekt ASINVOS - Assistierendes und interaktiv lernfähiges Videoinspektionssystem für Oberflächenstrukturen am Beispiel von Straßenbelägen und Rohrleitungen (Projektlaufzeit: 01.01.2016-30.09.2018) der Technische Universität Ilmenau für den Berichtszeitraum 01.01.2016-30.09.2018. - [Ilmenau] : Technische Universität Ilmenau. - 1 Online-Ressource (168 Seiten, 30,48 MB)Förderkennzeichen BMBF 01 IS 15 036 D
https://doi.org/10.2314/KXP:1697816754
Simon, Martin;
Amende, Karl; Kraus, Andrea; Honer, Jens; Sämann, Timo; Kaulbersch, Hauke; Milz, Stefan; Groß, Horst-Michael
Complexer-YOLO: real-time 3D object detection and tracking on semantic point clouds. - In: 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition workshops, (2019), S. 1190-1199
https://doi.org/10.1109/CVPRW.2019.00158
Complexer-YOLO: real-time 3D object detection and tracking on semantic point clouds. - In: 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition workshops, (2019), S. 1190-1199
https://doi.org/10.1109/CVPRW.2019.00158
Groß, Horst-Michael; Wengefeld, Tim
"3DPersA2 - Hybride Verfahren zur 3D Personenwahrnehmung für die soziale Assistenzrobotik in öffentlichen und häuslichen Einsatzszenarien" : Abschlussbericht : Projektlaufzeit 01.07.2017-30.06.2019. - [Ilmenau] : TU Ilmenau. - 1 Online-Ressource (19 Seiten, 1,11 MB)Förderkennzeichen BMBF 03ZZ0460
https://doi.org/10.2314/KXP:1692400371
"3DPersA2 - Hybride Verfahren zur 3D Personenwahrnehmung für die soziale Assistenzrobotik in öffentlichen und häuslichen Einsatzszenarien" : Abschlussbericht : Projektlaufzeit 01.07.2017-30.06.2019. - [Ilmenau] : TU Ilmenau. - 1 Online-Ressource (19 Seiten, 1,11 MB)Förderkennzeichen BMBF 03ZZ0460
https://doi.org/10.2314/KXP:1692400371
Sesselmann, Maximilian; Stricker, Ronny; Eisenbach, Markus
Deep learning for automatic detection and classification of road damage from mobile LiDAR data :
Einsatz von Deep Learning zur automatischen Detektion und Klassifikation von Fahrbahnschäden aus mobilen LiDAR-Daten. - In: AGIT, ISSN 2509-713X, Bd. 5 (2019), S. 100-114
https://doi.org/10.14627/537669009
Deep learning for automatic detection and classification of road damage from mobile LiDAR data :
Einsatz von Deep Learning zur automatischen Detektion und Klassifikation von Fahrbahnschäden aus mobilen LiDAR-Daten. - In: AGIT, ISSN 2509-713X, Bd. 5 (2019), S. 100-114
https://doi.org/10.14627/537669009
Lewandowski, Benjamin; Seichter, Daniel; Wengefeld, Tim; Pfennig, Lennard; Drumm, Helge; Groß, Horst-Michael
Deep orientation: fast and robust upper body orientation estimation for mobile robotic applications. - In: 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), (2019), S. 441-448
https://doi.org/10.1109/IROS40897.2019.8968506
Deep orientation: fast and robust upper body orientation estimation for mobile robotic applications. - In: 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), (2019), S. 441-448
https://doi.org/10.1109/IROS40897.2019.8968506