Lernen von Identitätserkennung unter Bildvariation
- Diese Arbeit stellt ein Verfahren zum Lernen von Identitätserkennung unter Bildvariation vor. Soll für ein Bild einer Person das Bild derselben Person aus einer Datenbank identifiziert werden, so hängt der Erfolg von der Variation zwischen den beiden Bildern ab. Geeignete Texturdeskriptoren ermöglichen zum Beispiel einen sinnvollen Vergleich, wenn sich die Gesamthelligkeit der Bilder sehr unterscheidet. Beleuchtungsvariation und Veränderung der Pose ändern die Erscheinung des Bildes jedoch so sehr, dass ein direkter Vergleich nicht mehr möglich ist. Hierfür stellt diese Arbeit ein Verfahren vor, dass die Bildvariation anhand von Beispielbildern lernt. Hierzu wird die Identität einer Person durch Ranglisten beschrieben, die die Ähnlichkeiten zu einer Reihe von Modellidentitäten widerspiegeln. Eine Ranglistenähnlichkeit ermöglicht so einen Vergleich. Die Ergebnisse auf verschiedenen Datensätzen zeigen, dass die Bildtransformationen erfolgreich gelernt werden können.
Author: | Marco K. MüllerGND |
---|---|
URN: | urn:nbn:de:hbz:294-29137 |
Referee: | Rolf WürtzORCiDGND, Gregor SchönerORCiDGND |
Document Type: | Doctoral Thesis |
Language: | German |
Date of Publication (online): | 2010/09/23 |
Date of first Publication: | 2010/09/23 |
Publishing Institution: | Ruhr-Universität Bochum, Universitätsbibliothek |
Granting Institution: | Ruhr-Universität Bochum, Fakultät für Physik und Astronomie |
Date of final exam: | 2010/07/01 |
Creating Corporation: | Fakultät für Physik und Astronomie |
GND-Keyword: | Rangliste / Codierung; Gesicht / Maschinelle Erkennung; Pose / Invarianz; Beleuchtung / Invarianz |
Institutes/Facilities: | Institut für Neuroinformatik |
Dewey Decimal Classification: | Naturwissenschaften und Mathematik / Physik |
faculties: | Fakultät für Physik und Astronomie |
Licence (German): | Keine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht |