Cognitive Computer Vision: Grounding knowledge-based concepts in visual data exploiting the situational and functional contexts

在我们的认知视野中，我们看到了一种灵活的服务方式-机器人服务，而不是一种灵活的服务-的意思。服务-Roboter müssen sich in einer net Normierten Umgebung zurechtfinden and MIT Gegenständen umgehenen könnnen，Deren Aussehen DEM System in Vorhinein neht bekannt ist.DEM BISHER UNGELLE OF PROGISISCHEN OBJEKTERKENNNG，D.H.这是一个很好的系统，因为它不是我们想要的。统计数据系统是一种通用的软件系统，它是一种通用的软件开发工具。在万维网上，所有的人都是这样的人，他们都是万维网的一员。在Zumeinen和Zumeinen De Detektion De BildRegion(SegentierungsProblem)和Extraendas ExtraHieren der Bestchreibenen Text Phrase(ZuordnungsProblem)之间死亡。在情境式的Kontext中，我们看到了一种新的生活方式。Der Funktionale Kontext ergibt sich sowohl osTeil-Ganze Beziehungen ALS auch Aus Dem Textzusammengang.它是一种完美的阅读伴侣。Kann aufgrund von vielfacem Vorkommen in DEM Grunddatensatz das Wort Wort DIT DEM Bildobjekt，das die form einer lampe beitzt，verbunden werden.Desweiteren将DEM文本中的“灯”改为Einen情景中的“壁灯”，并在Einen Funktionalen Kontext Gegellt中使用“light”和“read”。

In vielen zukunftsträchtigen Anwendungsbereichen, wie z.B. inhaltsbasierter Abfrage von Bilddatenbanken oder flexiblenService-Robotern im Heimbereich, wird im Bereich maschinelles Sehendie Erkennung von Objektkategorien und die Generierung semantischerBeschreibungen (Cognitive Vision) im Gegensatz zur Wiedererkennung individueller Objekte immer wichtiger.Eine Annotation von gespeicherten Bildern oder Bildfolgen per Hand ist bei rasant zunehmender Datenmenge weder bei zentralen Archiven noch für einen Heimanwender leistbar. Service-Roboter müssen sich in einer nicht normierten Umgebung zurechtfinden und mit Gegenständen umgehen können, deren Aussehen dem System im Vorhinein nicht bekannt ist. Man steht damit vor dem bisher ungelösten Problem der generischen Objekterkennung, d.h. ein System kann "meine Lieblingstasse" als Tasse erkennen, obwohl dem System das spezielle Aussehen dieser Tasse unbekannt ist. Stattdessen verwendet das System ein generisches Modell einer Tasse zur Objekterkennung.Das Ziel des Forschungsvorhabens ist ein lernbares generisches Modellsemantischer Objektklassen zu entwickeln. Als Grunddaten werdenText-annotierte Bilder verwendet, die im World Wide Web zahlreich undleicht zugänglich vorhanden sind (z.B. online Möbelkataloge).Die Zuordnung eines Wortes zu einem Bildobjekt ist in diesen Datennicht gegeben und muss zusätzlich gelernt werden. Dies betrifft zumeinen die Detektion der Bildregion (Segmentierungsproblem) zum anderendas Extrahieren der beschreibenen Textphrase (Zuordnungsproblem). Der situative Kontext eines Bildobjektes ist zum einen durch den natürlich sprachlichen Text zum anderen durch weitere Bildobjekte gegeben. Der funktionale Kontext ergibt sich sowohl ausTeil-Ganzes Beziehungen als auch aus dem Textzusammenhang.Ist beispielsweise ein Bild von einer Wandlampe mit dem folgenden Textgegeben: "SMYG wall lamp. Good directional light makes this lamp an ideal reading companion". Kann aufgrund von vielfachem Vorkommen in dem Grunddatensatz das Wort "lamp" mit dem Bildobjekt, das die Form einer Lampe besitzt, verbunden werden. Desweiteren wird das Wort "lamp" in dem Text durch die Modifikation "wall lamp" in einen situativen Kontext und durch die weiteren Wörter "light" und "reading" in einen funktionalen Kontext gestellt.