RUB » Bibliotheksportal

Guillermo Sebastián Donatti

• The present work combines biologically inspired mathematical models to develop memory frameworks for artificial systems that structure object models dynamically using relatively invariant patches of information arranged in visual dictionaries. The properties of such computational theory include self-organization and intelligent matching of visual words based on the similarity and co-occurrence of their captured texture information. The performance to model invariant object recognition and categorization of artificial systems equipped with each of the developed memory frameworks is validated applying standard methodologies to well-known image libraries found in literature. Additionally, these artificial systems are cross-compared with state-of-the-art alternative solutions. In conclusion, the findings of the present work convey implications for strategies and experimental paradigms to analyze human object memory as well as technical applications for robotics and computer vision.
• Die vorliegende Arbeit verbindet biologisch motivierte mathematische Modelle, um Memory-Frameworks für künstliche Systeme zu entwickeln, welche Objektmodelle, unter Verwendung in visuellen Wörterbüchern angeordneter, relativ invarianter Teilinformationen, dynamisch strukturieren. Die Eigenschaften solcher Rechentheorien umfassen Selbstorganisation und intelligentes Matching visueller Wörter auf Basis der Ähnlichkeit und dem gemeinsamen Auftreten der von ihnen erfassten Texturen. Die Fähigkeit zur invarianten Objekterkennung und Kategorisierung künstlicher Systeme basierend auf diesen Memory-Frameworks wird auf weit verbreiteten Bilddatenbanken mit Standardmethoden ausgewertet. Weiter werden Kreuzvergleiche dieser Systeme mit anderen Methoden durchgeführt. Die Erkenntnisse dieser Arbeit implizieren Strategien und Versuchsparadigmen zur Analyse der Abbildung von Objekten im menschlichen Gedächtnis und zeigen Anwendungsmöglichkeiten im Bereich der Robotik und des maschinellen Sehens.