Zusammenfassung
Diese Arbeit beschreibt ein hybrides Bilderkennungssystem, in welchem wissensbasierte und neuronale Verfahren der Objekterkennung miteinander gekoppelt werden. Durch die verwendete Wissensbeschreibungssprache und den dazugehörigen Inferenzmechanismus werden die systemspezifischen Vorteile dieser zwei Paradigmen des Arbeitsgebietes der Mustererkennung effizient unterstützt. Das System vereint die Fähigkeit neuronaler Netzwerke, Objekte ganzheitlich mit einer großen Robustheit zu erkennen, sowie die Eigenschaft wissensbasierter Ansätze, teilweise verdeckte Objekte anhand charakteristischer Details zu analysieren. Es wird dabei ein sehr hoher Integrationsgrad erreicht und eine Leistungsfähigkeit erzielt, die diejenige der Einzelkomponenten wesentlich übersteigt.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Brachman, R. J.: What’s in a Concept: Structural Foundations for Semantic Networks. Cambridge u.a. (Bolt Beranek & Newman), 1977
Brachman, R.J.: On the Epistemological Status of Semantic Networks. In: Findler, N.V. (Hrsg): Associative Networks: Representation and Use of Knowledge by Computers. New York (Academic Press), 1979, S.3–50
Büker, U.; Austermeier, H.; Hartmann, G.; Mertsching, B.: Verkehrsszenenanalyse in hierarchisch codierten Bildem. In: Pöppl, S.J.; Handels, H. (Hrsg.): Mustererkennung 1993. Berlin u.a. (Springer), 1993, S.694–701
Hartmann, G.; Driie, S.; Kräuter, K.O.; Seidenberg, E.; Wiemers, H.: Ein distanz- und orientiemngsinvariantes lemfähiges Erkennungssystem für Robotikanwendungen. In: Pöppl, S.J.; Handels, H. (Hrsg.): Mustererkennung 1993. Berlin u.a. (Springer), 1993, S.375–382
Kümmert, F. u.a.: A Hybrid Approach to Signal Interpretation Using Neural and Semantic Networks. In: Pöppl, S. J.; Handels, H. (Hrsg.): Mustererkennung 1993, Berlin (Springer), 1993, S.245–252
Mertsching, B.: Lemfähiges wissensbasiertes Bilderkennungssystem auf der Gmndlage des Hierarchischen Strukturcodes. Fortschrittberichte VDI 10, Nr. 191, Düsseldorf (VDI-Verlag), 1991
Mertsching, B.; Drüe, S.; Hartmann, G.: A Robot-Vision System: Learning and Recognizing Arbitrarily Located Objects from Different Camera Positions. In: Tanik, M.M.; Rossak, W.; Cooke, D. E. (Hrsg.): Software Systems in Engineering, PD-Vol. 59, 1994, S. 121–130
Moratz, R.; Posch, S.; Sagerer, G.: Controlling Multiple Neural Nets with Semantic Networks. In: Kropatsch, W. G.; Bishof, H: Mustererkennung 1994, Technische Universität Wien, 1994, S.288–295
Sagerer, G.: Neuronal, Statistisch, Wissensbasiert: Ein Beitrag zur Paradigmendiskussion für die Mustererkennung. In: Pöppl, S. J.; Handels, H. (Hrsg.): Mustererkennung 1993. Berlin u.a. (Springer), 1993, S. 158–177
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1995 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Büker, U., Hartmann, G. (1995). Wissensbasierte Bilderkennung mit neuronal repräsentierten Merkmalen. In: Sagerer, G., Posch, S., Kummert, F. (eds) Mustererkennung 1995. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-79980-8_69
Download citation
DOI: https://doi.org/10.1007/978-3-642-79980-8_69
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-60293-4
Online ISBN: 978-3-642-79980-8
eBook Packages: Springer Book Archive