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.

Metadaten
Author:	Marco K. Müller GND
URN:	urn:nbn:de:hbz:294-29137
Referee:	Rolf Würtz ORCiD GND, Gregor Schöner ORCiD GND
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

RUB » Bibliotheksportal