Bildsegmentation in Echtzeit mit deterministischem Annealing

(gek Das Forschungsvorhaben hat zum Ziel，eine Integration von Bildsegmententierung und Objekterkennung in Echtzeit auf der Basis graphischer Modelle（graphical models）zu realisieren. ... 这是从三个方面得出的结论：1。整合分割和对象识别：先验知识用于识别对象分类和低层次图像。因此，在这方面存在着韦尔登分段建模的问题。Hierzu soll eine für diesen Zusammenhang geeignete Formalisierung des a-priori Wissens in Form von Objektmodellen entwickelt werden. 2. Bayes-Netzen中用于推断的平均场技术的开发：Bayes-Netzen中用于近似推断的变分方法在Hinblick中解决“对象建模”问题。艾菲齐恩茨先生给我们韦尔登。因此，“确定性退火”是一种有效的方法，在第一阶段的多阶段技术中，确定性退火和确定性退火可以在贝叶斯网络中统一推断。最佳确定性退火方法的数学分析：在工程设计阶段，同伦确定性退火方法可以近似地解释结构的风险最小化韦尔登。该分析设置为voraus，dagne-Überdeckungen von Lösungsräumen berechnet韦尔登können.这一点在规则中不适用。Die Information über die Notwendige Approximationsgüte durch vertailungsunabhängige Schranken berechnet韦尔登。在RHINO机器人的图像分割和对象识别系统中，一个最重要的问题是如何进行生态优化的研究，这是韦尔登必须解决的。Für diesen Einstehen harte Echtzeitanforderungen mit zulässigen Optimierungszeiten im Bereich von höchsten einigen Sekunden.

(gekürzt):Das Forschungsvorhaben hat zum Ziel, eine Integration von Bildsegmentierung und Objekterkennung in Echtzeit auf der Basis graphischer Modelle (graphical models) zu realisieren. ... Es setzt sich aus drei Teilaspekten zusammen:1. Integration von Segmentierung und Objekterkennung:A-priori Wissen über zu erkennende Objekte koppelt die Objektklassifikation zurück an die low level Bildverarbeitung. Insbesondere soll in diesem Zusammenhang die Problematik der modellgetriebenen Segmentierung untersucht werden. Hierzu soll eine für diesen Zusammenhang geeignete Formalisierung des a-priori Wissens in Form von Objektmodellen entwickelt werden.2. Entwicklung von Beschleunigungstechniken für Inferenz in Bayes-Netzen:Die Variationsmethoden (mean field Techniken) zur approximativen Inferenz in Bayes-Netzen sollen in Hinblick auf die Problemstellung "Objektmodellierung" erweitert und bzgl. ihrer Effizienz massiv gesteigert werden. Einerseits soll 'deterministic annealing' eingesetzt werden, um die Güte der gefundenen Lösungen zu erhöhen und andererseits sollen die in den beiden ersten Phasen entwickelten Multiskalen-Techniken derart erweitert werden, daß sie zu einer Beschleunigung der Inferenz in Bayes-Netzen verwendet werden können.3. Mathematische Analyse der Optimierungsmethode Deterministisches Annealing:Es hat sich in der vergangenen Projektphase gezeigt, daß die Homotopie-Methode Deterministisches Annealing als approximative strukturelle Risikominimierung interpretiert werden kann. Diese Analyse setzt voraus, daß e-Überdeckungen von Lösungsräumen berechnet werden können. Die dazu benötigte wahre Verteilung der Daten steht in der Regel nicht zur Verfügung. Die Information über die notwendige Approximationsgüte muß durch verteilungsunabhängige Schranken berechnet werden. Eine besondere Bedeutung kommt bei diesem Forschungsvorhaben der Echtzeitoptimierung zu, da das Bildsegmentierungs- und Objekterkennungssystem auf dem autonomen Roboter RHINO eingesetzt werden soll. Für diesen Einsatz bestehen harte Echtzeitanforderungen mit zulässigen Optimierungszeiten im Bereich von höchsten einigen Sekunden.