Publikationen (ohne Studienabschlussarbeiten)

Anzahl der Treffer: 532
Erstellt: Wed, 27 Mar 2024 23:19:16 +0100 in 0.0525 sec


Steinert, Lilli;
Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette. - Ilmenau : Verlag ISLE, 2020. - XVIII, 189 Seiten
Technische Universität Ilmenau, Dissertation 2020

ISBN 978-3-948595-01-2

Die vorliegende Arbeit soll einen Beitrag für die industrielle Anwendung von Verfahren der Künstlichen Intelligenz im Zusammenhang mit der Bildverarbeitung leisten. Hierbei war das Ziel, unüberwachte maschinelle Lernverfahren in ausgewählten Schritten der Bildverarbeitungskette einzusetzen und eine verbesserte Analyse gegebener Bilddatensätze zu ermöglichen. Neben einer ausführlichen Recherche zum Stand der Technik konnten wichtige Hinweise für den praktischen Einsatz des maschinellen Lernens zusammengetragen werden. Da bereits bestehende Datensätze verwendet wurden, entfiel der erste Schritt der Bildverarbeitungskette - die Bildaufnahme. Für die Segmentierung wurde ein auf dem Clustering basierendes Verfahren untersucht und mit konventionellen Verfahren verglichen. Der nächste Schritt widmete sich der Detektion von Ausreißern unter Verwendung des Clusterings. Anschließend wurden Einsatzmöglichkeiten des unüberwachten Lernens für die Merkmalsselektion und Dimensionsreduktion untersucht. Des Weiteren lassen sich auf Basis der bekannten Objektklassen und den mittels des unüberwachten Lernens gefundenen Clustern Rückschlüsse auf die Komplexität vorliegender Datensätze und damit letztlich auf die Wahl eines geeigneten Klassifikators ziehen. Abschließend wurden Untersuchungen mit dem Convolutional Neural Network, welches dem Deep Learning angehört, durchgeführt. Im Rahmen der vorliegenden Arbeit wurden selbst erstellte sowie vortrainierte Netze verwendet und klassischen Verfahren gegenübergestellt. Weiterhin wurden die klassischen Merkmale sowie die durch AlexNet berechneten Merkmale bezüglich der Klassifikation und des Clusterings beurteilt. Bei den eigens angelernten Netzen konnten auf Grund zu geringer Datensatzmengen keine hohen Erkennungsleistungen erzielt werden. Mit großen Bilddaten vortrainierte Netze lieferten hingegen sehr gute Ergebnisse. Insgesamt konnte aufgezeigt werden, dass das unüberwachte Lernen durchaus einen positiven und unterstützenden Beitrag für die Lösung von Bildverarbeitungsaufgaben leisten kann und dass Deep-Learning-Verfahren äußerst erfolgreiche Werkzeuge für den bildanalytischen Einsatz in der Erkennung darstellen.



Rosenberger, Maik; Zhang, Chen; Zhang, Yan; Notni, Gunther
3D high-resolution multimodal imaging system for real-time applications. - In: Dimensional Optical Metrology and Inspection for Practical Applications IX, (2020), S. 1139704-1-1139704-10

https://doi.org/10.1117/12.2558413
Dietrich, Patrick; Heist, Stefan; Landmann, Martin; Notni, Gunther
Improving the measurement robustness of active stereo 3D sensors by optimization of shifted aperiodic fringe patterns. - In: Dimensional Optical Metrology and Inspection for Practical Applications IX, (2020), S. 1139702-1-1139702-12

https://doi.org/10.1117/12.2558583
Vostrikov, Evgenii V.; Litvinov, Elisey V.; Volkovskii, Sergei A.; Aleinik, Artem S.; Polte, Galina
Application of microwave photonics in fiber optical sensors :
Primenenie radiofotoniki v volkonno-optičeskich izmeritelьnych priborach. - In: Scientific and technical journal of information technologies, mechanics and optics, ISSN 2500-0373, Bd. 20 (2020), 1, S. 1-23

https://doi.org/10.17586/2226-1494-2020-20-1-1-23
Notni, Gunther; Rosenberger, Maik; Fütterer, Richard; Preißler, Marc; Schellhorn, Mathias; Illmann, Raik; Rebhan, David; Dittrich, Paul-Gerald; Anding, Katharina
Intelligente Digitale Mehrkanalbildverarbeitung und Mehrkanalbilderfassung ID2M - QUALIMESS Next Generation - : Schlussbericht, Sachbericht zum Verwendungsnachweis. - Ilmenau : Technische Universität Ilmenau, Fakultät für Maschinenbau, Fachgebiet Qualitätssicherung und Industrielle Bildverarbeitung. - 1 Online-Ressource (28 Seiten, 2,55 MB)Förderkennzeichen BMBF 03IPT709X [richtig] - 03IP709X [falsch]

https://doi.org/10.2314/KXP:1735951870
Landmann, Martin; Heist, Stefan; Dietrich, Patrick; Lutzke, Peter; Gebhart, Ingo; Kühmstedt, Peter; Notni, Gunther
Simultane Hochgeschwindigkeitsmessung von 3D-Oberflächenform und -temperatur. - In: Photogrammetrie, Laserscanning, optische 3D-Messtechnik, (2019), S. 200-212

Bräuer-Burchardt, Christian; Kühmstedt, Peter; Landmann, Martin; Notni, Gunther
Verbesserung der Genauigkeit optischer 3D-Scanner durch lokale Kompensation systematischer Fehler. - In: Photogrammetrie, Laserscanning, optische 3D-Messtechnik, (2019), S. 190-199