Bachelor

Fakultät 08
Bildbasierte Objekterkennung mit Neuronalen Netzen
Kategorie:
Abschlussarbeit
Status:
abgeschlossen
BetreuerIn:
Extern/e BetreuerIn:
Dr. Markus Hoffmann
Extern/e AutorIn:
Andreas Löw
Jahr:
2018
Weiteres

Andreas Low 2018: Bildbasierte Objekterkennung in Neuronalen Netzen (BA)


Solaranlage, Ampel
Solaranlage, Ampel


Seit Jahren wird unser tägliches Leben von Tag zu Tag mehr vom Maschinellen Lernen beeinflusst. Das Deep Learning Verfahren, als Teilbereich des Maschinellen Lernens nutzt die sogenannten Künstlichen Neuronalen Netze um zum Beispiel bekannte Anwendungen wie „Google Duplex“, welche im Namen des Nutzers selbständig Anrufe tätigen kann zu ermöglichen. Dieses erkennt dabei hervorragend mehrere Dialekte und agiert extrem vertraut in hochkomplexen Situationen


Im Rahmen dieser Arbeit wurden die Netze AlexNet und VGG-16 theoretisch miteinander verglichen und hinsichtlich ihrer erreichten Fehlerrate und Genauigkeit praktisch anhand verschiedener, bildbasierter Erkennungsaufgaben überprüft. Die dafür verwendeten Datensätze sind zum Einen im Kontext der Fahrerassistenzsysteme das Erkennen von Ampeln und zum Anderen das Erkennen von Solaranlagen aus Satellitenfotos.


Unter Berücksichtigung der verwendeten Trainingsparameter, konnte bestätigt werden, dass VGG-16 in der erreichten Genauigkeit und Fehlerrate für die oben genannten Testdatensätze AlexNet überlegen ist, jedoch hierfür eine deutlich höhere Trainingszeit erfordert.

Suche

Suchen Sie
... Abschlussarbeiten, Projekte oder Publikationen zu einem bestimmten Thema? Dann verwenden Sie das Suchformular.

... oder von einem bestimmten Autor oder Betreuer? Dann können Sie auch auf den persönlichen Seiten nachsehen.