Logo des Repositoriums

Auflistung nach Schlagwort "Convolutional Neural Network"

1 - 4 von 4
  • Konferenzbeitrag
    Detektion eines Grünlandschwades mit Stereo-RGB Kamera
    (40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) Riegler-Nurscher, Peter; Prankl, Johann; Hofinger, Markus; Vincze, Markus
    Robustes Detektieren von Grünlandschwaden ist die Grundlage für die Automatisierung bei der Heu- und Silage-Ernte. Vor allem bei kleinem Schwadvolumen ist die Detektion basierend auf Daten von 3D-Sensoren fehleranfällig. Es wird eine neue Methode zur Segmentierung einer Schwad in einem RGB-Bild basierend auf einem Convolutional Neural Network (CNN) vorgestellt. Die Methode wird mit der Segmentierung von 3D-Tiefendaten einer Stereo-Kamera mittels Ebenen-Detektion verglichen. Zur Validierung beider Methoden wurden Aufnahmen bei der Silage- und bei der Heuernte manuell annotiert. Es kann gezeigt werden, dass die CNN-basierte Schwaderkennung bei kleinem Volumen eine höhere Genauigkeit erreicht.
  • Konferenzbeitrag
    Is There Any Similarity Between a Person’s Left and Right Retina?
    (BIOSIG 2019 - Proceedings of the 18th International Conference of the Biometrics Special Interest Group, 2019) Biswas, Sangeeta; Rohdin, Johan; Mňuk, Tomáš; Drahanský, Martin
    It is often argued among biometric researchers that the left and right retinas of the same person are as different as the retinas of two different persons. In this paper we investigate to what extent this is true. We perform experiments where human volunteers are asked to judge whether a pair of the left and right retinal images displayed side-by-side belongs to the same person or two different persons. We also use two similarity measurements, structural similarity (SSIM) and cosine similarity, to do the investigation process automatically. Our experiments show that there is recognizable similarity in the left and right retina of a person. For a verification task done by human volunteers, the average accuracy was 82%. For identification tasks, automatic systems using cosine similarity were correct in up to 57%.
  • Textdokument
    Maschinelles Lernen von CNN-Modellen zur Segmentierung von Störobjekten auf Gebäudefassaden auf Infrarot- und Farbbildern
    (INFORMATIK 2021, 2021) Schlender, Klaus; Behrens, Grit; Creutzburg, Reiner
    Die Arbeit zeigt, dass es mit Hilfe von Technologien der künstlichen Intelligenz möglich ist, unerwünschte Objekte auf Infrarot- und Normalbildern zu segmentieren, um diese anschließend erfolgreich aus dem Bild entfernen zu können. Die in dieser Arbeit entwickelte Methode kann eingesetzt werden, um weitere Segmentierungsaufgaben zu übernehmen, die bei der Berechnung von thermischen Energieverlusten oder anderen Anwendungen hilfreich sind. Die vorgestellten Ergebnisse können im ENVIRON-Projekt "Environ - Entwicklung und Evaluation einer Intervention zur Vermeidung von durch energetische Sanierung ausgelösten Rebound-Effekten" anwendungsbezogen zu einer schnelleren Bewertung potentieller Energieverluste in sanierungsbedürftigen Gebäuden beitragen und entsprechend helfen, den Entscheidungsprozess für oder gegen eine Modernisierungsmaßnahme zu bewerten. In diesem Zusammenhang wird auch dazu beigetragen, unnötige C02-Emissionen von Gebäuden zu reduzieren und damit die Umwelt zu entlasten.
  • Textdokument
    Using Transfer Learning for Quality Improved Forecasting of Temporal Agricultural Processes by Adapting Convolutional Neural Networks
    (INFORMATIK 2022, 2022) Münzberg,Alexander; Troost,Christian; Bernardi,Ansgar
    AI-based decision support can help farmers to reach improved productivity in an environmentally sustainable way. Through transfer learning, an existing Convolutional Neural Network is progressively adapted to provide high quality forecasting results using agricultural time series in the context of different locations, growth and soil types, climate zones, and management variations. The delivered results are validated by appropriate statistical methods and show improved prediction accuracy.