权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Objektsegmentierung in Videodaten mittels Analyse von Punkttrajektorien

使用点轨迹分析进行视频数据中的对象分割

基本信息

批准号：
211353192
负责人：
Professor Dr.-Ing. Thomas Brox
金额：
--
依托单位：
Lehrstuhl für Mustererkennung und Bildverarbeitung (LMB)
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2012
资助国家：
德国
起止时间：
2011-12-31 至 2018-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/211353192?language=en
关键词：
Objektsegmentierung Videodaten mittels Analyse von

项目摘要

Das Lernen von Objektrepräsentationen wird zur Zeit von überwachten Lernverfahren dominiert. Diese Verfahren benötigen manuell annotierte, idealerweise segmentierte Trainingsbilder und profitieren dabei von großen Datensätzen. Da deren Aquirierung jedoch aufwendig ist, wird meist versucht, das Erkennungsproblem mit möglichst wenig Trainingsdaten zu lösen. Diese Aufgabe erscheint unnatürlich, bedenkt man, dass ein Kleinkind im Alter von zwei Jahren bereits knapp zwei Milliarden Bilder gesehen hat. In diesem Projekt soll daher die natürliche Anordnung von Bildern in Videos ausgenutzt werden um Objekte vollautomatisch zu segmentieren und damit den aufwendigsten Teil der Annotierung durch einen unüberwachten Ansatz zu ersetzen. Insbesondere sollen Objekte anhand ihrer Eigenbewegung segmentiert werden. Dazu werden im Gegensatz zu früheren Arbeiten längere Zeiträume von mehreren Sekunden analysiert, um der zeitlich variierenden Qualität des Bewegungssignals Rechnung zu tragen. Mit der Erweiterung auf Videos einer Stereokamera soll schließlich ein weiteres, natürlich zur Verfügung stehendes Merkmal, nämlich die Disparität, zur räumlich-zeitlichen Segmentierung mit genutzt werden.

Das Lernen von Objektrepräsentationen wird zur Zeit von überwachten Lernverfahren dominiert。 Diese Verfahren benötigen manuell annotierte，理想的分割培训图片和利润大贝冯大数据。当您了解培训中存在的问题时，请务必注意以下事项。戴上帽子后，他会发现自己的帽子已经改变了。在该项目中，视频中的图像自然变化是由分段自动化对象和后续注释组成的。 Insbesondere sollen Objekte anhand ihrer Eigenbewegung sepiert werden。我们对 Früheren Arbeiten Längere Zeiträume von mehreren Sekunden analysiert 进行分析，并根据 tragen 的 Bewegungssignals Rechnung 的质量变化进行时间变化。视频中的 Stereokamera 本身是不完整的，本质上是 Merkmal 的 Verfügung stehendes Merkmal，它是不同的，zur räumlich-zeitlichen Segmentierung mit genutzt werden。

项目成果

期刊论文数量（3）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

DeMoN: Depth and Motion Network for Learning Monocular Stereo

DOI：
10.1109/cvpr.2017.596
发表时间：
2016-12
期刊：
2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
影响因子：
0
作者：
Benjamin Ummenhofer;Huizhong Zhou;J. Uhrig;N. Mayer;Eddy Ilg;Alexey Dosovitskiy;T. Brox
通讯作者：
Benjamin Ummenhofer;Huizhong Zhou;J. Uhrig;N. Mayer;Eddy Ilg;Alexey Dosovitskiy;T. Brox

Motion Trajectory Segmentation via Minimum Cost Multicuts