Erkennung von Gesichtsprofilen aus gelernten Frontalansichten mit hybriden Mustererkennungsverfahren

在韦尔登的统计学研究中，一个最好的学习系统是一个基于拉格的学习系统，它可以通过一个简单的射击数据库对上百个人进行分析，但是这个系统在训练过程中只需要一个简单的前沿分析。这是一个混合动力学模型，它可以韦尔登神经元网络和韦尔登混合模型。神经元方法主要用于从额叶生成轮廓，也可以用马尔可夫模型进行韦尔登。在新建筑师的培训和韦尔登建筑师的统计培训方法中，神经元轮廓的质量是创新的关键。

In diesem Forschungsprojekt sollen Methoden der statistischen Mustererkennung weiterentwickelt werden, um die Leistungsfähigkeit eines bestehenden Systems wesentlich zu verbessern, welches dazu in der Lage ist, Profilansichten von mindestens hundert Personen aus der sogenannten Mugshot-Datenbasis zu erkennen, obwohl dem System von diesen Personen nur eine einzige Frontalansicht in der Trainingsphase eingelernt wurde. Hierbei sollen vornehmlich hybride Mustererkennungsverfahren eingesetzt werden, bei denen neuronale Netze mit Hidden-Markov-Modellen kombiniert werden. Die neuronalen Methoden dienen dabei hauptsächlich zur Generierung von Profilbildern aus Frontalansichten, welche dann von den Markov-Modellen zur Klassifizierung eingelernt werden. Wesentliche Innovationen sollen bei der Qualität der neuronalen Profilgenerierung sowie bei dem Einsatz von neuen Architekturen und verbesserten Trainingsmethoden für die statistischen Klassifikatoren erbracht werden.