Skip to main content
SpringerLink
Log in
SpringerLink
Log in

Bayesian Belief Networks in der 3D-Objekterkennung

  • Conference paper
Mustererkennung 2000

Part of the book series: Informatik aktuell ((INFORMAT))

  • 278 Accesses

Zusammenfassung

Wir benutzen zur 3D-Objekterkennung einen statistischen Klassifikator, der auf Bayesian Belief Networks aufbaut. Gegenüber verbreiteten neuronalen Netzen, wie z.B. RBF-Netzen, haben diese den Vorteil, dass die klassifizierbare Objektmenge leicht erweiterbar ist. Außerdem besitzt dieser Klassifikator eine mathematisch exakt definierte Semantik. Durch einen Vergleich mit einem RBF-Netz wird gezeigt, dass ein solcher Bayes’scher Klassifikator diesen neuronalen Netzen überlegen ist, da er bei vergleichbarer Erkennungsleistung leichter neue Objekte hinzulernen kann.

Gefördert durch die Heinz-Nixdorf-Stiftung

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 54.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 69.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Pablo Alvarado. Farbtexturmerkmale in der Objekterkennung. Diplomarbeit, Lehrstuhl für Technische Informatik, RWTH Aachen, 1998.

    Google Scholar 

  2. M.S. Drew, Jie Wei, and Ze-Nian Li. Illumination-invariant color object recognition via compressed chromaticity histograms of normalized images. Technical Report TR 97-09, School of Computer Science, Simon Fräser University, Vancouver, 1997.

    Google Scholar 

  3. I. Elsen, K.-F. Kraiss, D. Krumbiegel, P. Walter, and J. Wickel. Visual Information Retrieval for 3D Product Identification: A Midterm Report. Künstliche Intelligenz, 1/99:64–67, 1999.

    Google Scholar 

  4. B.V. Funt G.D. Finlayson, S.S. Chatterjee. Colour-texture indexing. In Proceedings of ECCV 1996 Vol. II, pages 16–27, April 1996.

    Google Scholar 

  5. J. Härtung und B. Elpelt. Multivariate Statistik. Oldenbourg, 1992.

    Google Scholar 

  6. S. Haykin. Neural Networks - A Comprehensive Foundation. Prentice Hall, 1999.

    Google Scholar 

  7. George H. John and Pat Langley. Estimating Continuous Distributions in Bayesian Classifiers. In Proceedings of the Eleventh Conference on Uncertainty in Artificial Intelligence. Morgan Kaufmann Publishers, 1995.

    Google Scholar 

  8. Tom M. Mitchell. Machine Learning, chapter 6. McGraw-Hill, 1997.

    Google Scholar 

  9. Sameer A. Nene, Shree K. Nayar, and Hiroshi Murase. Columbia Object Image Library (COIL-lOO). Technical Report CUCS-006-96, Columbia University, 1996.

    Google Scholar 

  10. Mehran Sahami. Learning Limited Dependance Bayesian Classifiers. In KDD-96: 2nd Int. Conf. on Knowledge Discovery and Data Mining, pages 335-338, 1996.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Technische Informatik, RWTH Aachen, Deutschland

    Rüdiger Mosig, Jochen Wickel & Karl-Friedrich Kraiss

Authors
  1. Rüdiger Mosig
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Jochen Wickel
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Karl-Friedrich Kraiss
    View author publications

    You can also search for this author in PubMed Google Scholar

Editor information

Editors and Affiliations

  1. Institut für Informatik und Praktische Mathematik, Christian-Albrechts Universität Kiel, Preußerstr. 1-9, 24105, Kiel, Deutschland

    Gerald Sommer , Norbert Krüger  & Christian Perwass ,  & 

Rights and permissions

Reprints and permissions

Copyright information

© 2000 Springer-Verlag Berlin Heidelberg

About this paper

Cite this paper

Mosig, R., Wickel, J., Kraiss, KF. (2000). Bayesian Belief Networks in der 3D-Objekterkennung. In: Sommer, G., Krüger, N., Perwass, C. (eds) Mustererkennung 2000. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-59802-9_37

Download citation

  • DOI: https://doi.org/10.1007/978-3-642-59802-9_37

  • Publisher Name: Springer, Berlin, Heidelberg

  • Print ISBN: 978-3-540-67886-1

  • Online ISBN: 978-3-642-59802-9

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation