Dynamisches Lernen zur geometrischen und graphischen Objekterfassung

点击翻译按钮获取中文摘要

Computergraphik und Computersehen befassen sich gleichermaßen mit der visuellen Erscheinung von Objekten der realen Welt. Eine wesentliche Problernstellung des Computersehens ist die Erkennung von Objekten über Bildaufnahmen, eine wichtige Aufgabe in der Computergraphik ist die Erstellung eines rechnerinternen Abbilds von Objekten aus Bildaufnahmen, etwa zum Zweck der gestalterischen Weiterverarbeitung (geometrische Modellierung) oder der graphischen Darstellung. Die aktuelle Situation ist weitgehend geprägt von der Trennung der Objektaufnahme und der Weiterverarbeitung der aufgenommenen Daten. Häufig genügen die aufgenommenen Daten nicht den Anforderungen der Weiterverarbeitung. Ein üblicher Weg, damit zurechtzukommen, ist die Entwicklung heuristischer Verfahren mit dem Ziel, auf intuitive Weise dennoch praktisch brauchbare Ergebnisse zu erzielen. Ein anderer Ansatz, der bei den genannten Problemstellungen bisher unterschiedlich intensiv verfolgt wurde, ist die aktive visuelle Erfassung von Objekten. Das bedeutet, dass der Datenverarbeitungsteil während der Verarbeitung Einfluss auf die Datenerfassung hat. Ein Ansatz zur Minderung des Arbeitsaufwandes zum Auffinden von Verarbeitungsverfahren ist, den Rechner selbst geeignete Verfahren anhand gegebener Zielvorgaben erlernen zu lassen, analog zum Vorbild des Menschen. Auch dies wurde bei den genannten Aufgaben bisher nur im geringen Umfang verfolgt. In diesem Vorhaben sollen beide Ansätze angewandt werden, um effiziente, leistungsfähige Problemlösungen zu finden. Dazu sollen Methoden des aktiven Computersehens und des Reinforcement-Learning kombiniert und weiterentwickelt werden. Dabei soll das Wissen über die Möglichkeiten des Lernens von Strategien bei Problemen des Sehens erweitert werden. Das praktische Ziel ist ein "intelligenter", sehensbasierter Scanner, der selbstständig Verarbeitungsverfahren zur aktiven Erfassung von starren Objekten erlernt.