Erweiterbare objekterkennungsbasierte automatische Annotation von Bildern

Größe: px
Ab Seite anzeigen:

Download "Erweiterbare objekterkennungsbasierte automatische Annotation von Bildern"

Transkript

1 Erweiterbare objekterkennungsbasierte automatische Annotation von Bildern Der Technischen Fakultät der Universität Erlangen-Nürnberg zur Erlangung des Grades D O K T O R-INGENIEUR vorgelegt von Robert Nagy Erlangen 2012

2 Als Dissertation genehmigt von der Technischen Fakultät der Universität Erlangen-Nürnberg Tag der Einreichung: Tag der Promotion: Dekan: Univ.-Prof. Dr.-Ing. habil. Marion Merklein Berichterstatter: Univ.-Prof. Dr.-Ing. habil. Klaus Meyer-Wegener Univ.-Prof. Dr. (ENS Lyon) Harald Kosch

3 Erklärung zur Selbständigkeit Ich versichere, dass ich die Arbeit ohne fremde Hilfe und ohne Benutzung anderer als der angegebenen Quellen angefertigt habe und dass diese Arbeit in gleicher oder ähnlicher Form noch keiner anderen Prüfungsbehörde vorgelegen hat und von dieser als Teil einer Prüfungsleistung angenommen wurde. Alle Ausführungen, die wörtlich oder sinngemäß übernommen wurden, sind als solche gekennzeichnet. Der Universität Erlangen-Nürnberg, vertreten durch den Lehrstuhl für Informatik 6 (Datenmanagement), wird für Zwecke der Forschung und Lehre ein einfaches, kostenloses, zeitlich und örtlich unbeschränktes Nutzungsrecht an den Arbeitsergebnissen der Dissertation einschließlich etwaiger Schutzrechte und Urheberrechte eingeräumt. Erlangen, den (Robert Nagy)

4

5 Kurzfassung Die Flut an digitalen Bildern nimmt Jahr für Jahr stetig zu. Nach einer aktuellen Schätzung werden jährlich 50 Milliarden digitale Fotoaufnahmen erstellt. Um spezifische Bilder auch nur in einem Bruchteil dieser immensen Datenmenge wiederzufinden müssen die Aufnahmen entsprechend indiziert werden. Bei der Bildsuche ist heute die textbasierte Suche am weitesten verbreitet, grafische Verfahren konnten sich bislang nicht durchsetzen. Als Grundlage für die textbasierte Suche dienen manuell oder automatisch erstellte textuelle Annotationen. Die manuelle Indizierung ist bei der enormen Menge an Bildern aussichtslos. Auch die von aktuellen Suchmaschinen eingesetzte Ableitung der Bildbeschreibungen aus dem umliegenden Text von Bildern ist fehleranfällig und ohne entsprechenden manuell aufwendig erzeugten Kontext nicht möglich. Bei der automatischen Annotation von Bildern kann lediglich auf den Inhalt der Bilder sowie evtl. von der Kamera zusätzlich abgespeicherte Metadaten (z. B. Zeit und Ort) zugegriffen werden. In den letzten Jahren wurden wesentliche Fortschritte im Bereich der Objekterkennung gemacht. Diese neuen, auf sog. visuellen Wörtern aufbauenden Objekterkennungsverfahren schneiden zur Zeit am erfolgreichsten bei der inhaltbasierten Beschreibung von Bildern ab. Allerdings können diese Ansätze nur diejenigen Objekte in den Bildern erkennen, welche auch dem System selbst bekannt sind. Mit der Zeit muss somit das Objekterkennungssystem hinzulernen und um neue Objektklassen erweitert werden. Nahezu alle aktuellen Verfahren sind jedoch bzgl. der Erweiterbarkeit der Objektverzeichnisse stark eingeschränkt, z. T. kann das Hinzufügen einer neuen Objektklasse mehr als 1 Jahr in Anspruch nehmen.

6 In dieser Arbeit werden die Anforderungen an die textuelle Annotation von Bildern aus Sicht der textbasierten Suche und der Unterstützung von sehbehinderten Personen ermittelt. Anschließend werden die Problemstellen aktueller Verfahren zur Objekterkennung bzgl. der Erweiterbarkeit identifiziert und analysiert. Ausgehend von diesen Erkenntnissen wird eine skalierbare, erweiterbare und möglichst effiziente Lösung ausgearbeitet. Das erstellte neue Verfahren wird unter Verwendung der gängigen Datensätze optimiert und mit erweiterbaren Methoden aus der Literatur verglichen. Zusätzlich werden aktuelle OCR-Werkzeuge daraufhin untersucht inwieweit die Texterkennung in natürlichen Fotoaufnahmen zur Verbesserung der Objekterkennung und der Annotation von Bildern eingesetzt werden kann. Zuletzt wird das erweiterbare Objekterkennungssystem in ein Framework eingebettet, welches als Annotationsdienst für Bildverwaltungsprogramme und textbasierte Suchdienste zur inhaltlichen Beschreibung von Bildern zur Verfügung steht.

7 Abstract The sea of digital images is rising constantly from year to year. According to a recent estimate, about 50 billion digital photographs are taken per annum. Retrieving specific images even in a fraction of this massive amount of data is a tough challenge, which requires appropriate indexing of the photographs. Today, the most common method for image search is based on text queries. Graphical approaches could not prevail up to now. The foundations for successful text-based image search are either manually or automatically derived textual annotations. Manual annotation of such a huge number of images is hopeless. Current search engines obtain the annotations for their indexed images from the surrounding text in websites. Unfortunately, these annotations are error-prone and impossible to be derived without the existence of manually created context. Automatic annotation of images relies only on the image content itself and potentially available additional camera metadata such as location or time. Recently, considerable progress has been made in the research area of object recognition. The most successful methods for describing image content are all based on translating so called visual words into text. However, all these approaches can only detect objects, which are known by the recognition system. By and by, the recognition system needs to be extended and has to learn new object classes. Almost all current methods are severely limited regarding their extensibility. In some cases, adding a new object class can take up to 1 year.

8 In this thesis first the requirements for textual annotations of images are analysed from the perspective of text-based image search and the assistance of visually impaired people. Subsequently, current object recognition methods are investigated regarding their extensibility capabilities and the main areas of limitations are identified. Based on these insights, a scalable extensible and preferably efficient solution is developed. This new method is tested and optimised using established datasets. The thesis includes a comparison with other extensible approaches as well. Additionally, current OCR tools are evaluated on their applicability for recognizing text in natural images and their suitability for improving image annotation and object recognition. Finally, the developed extensible object recognition method is embedded in a framework, which can be accessed by image management applications and by text-based search services to annotate images automatically based on the image content only.

9 Inhaltsverzeichnis 1 Einleitung Ziele Aufbau der Arbeit Begriffs- und Problemdefinition Eigenschaften Erweiterbarkeit Skalierbarkeit Antwortzeit Begriffe Bilddaten Mustererkennung Problemdefinition Zusammenfassung Annotation von Bildern Motivation für Textannotationen Textbasierte Suche auf Bildern Bilder für Menschen mit Sehbehinderungen Zusammenfassung Textbasierte Suche auf Bildern Studien zu textuellen Benutzeranfragen auf Bilddatenbanken Logische Strukturierung der Attribute von Bildern Zusammenfassung I

10 Inhaltsverzeichnis 3.3 Standards für Bildmetadaten und Bildannotationen Standards für Bildmetadaten Konzept-Thesauri für Bildannotationen Zusammenfassung Zusammenfassung Automatische Verfahren zur Bildannotation Objekterkennung in Bildern Allgemeine Einordnung von Objekterkennungsverfahren Das Bag-of-Words-Konzept Datensätze Bewertungsgrundlagen Wettbewerbe Aktuelle Objekterkennungsverfahren Hierarchien für die Objekterkennung Zusammenfassung Aktuelle Annotationsverfahren für Bilder Manuelle Annotation Semi-automatische Annotation Vollautomatische Annotation Andere Aufteilungen Zusammenfassung Zusammenfassung Erweiterbare objekterkennungsbasierte Annotation von Bildern Klassifikation und Merkmale Bag of Words und das visuelle Vokabular Objekte als Szenen Farben Kombination von Merkmalen Effiziente Suche Indizierung Approximative Nächste-Nachbarn-Suche Komprimierung der Merkmalsvektoren Zusammenfassung Zusammenfassung II

11 Inhaltsverzeichnis 6 Optimierung des erweiterbaren Verfahrens Klassenspezifische visuelle Vokabulare Bestimmung der Vokabulargröße Bestimmung der Schnittgrenze Bestätigung der Outlier-Hypothese Bewertung Zusammenfassung Szenendeskriptor für Objekte Vergleich mit klassenspezifischen Vokabularen Abhängigkeit von der Anzahl der Trainingsbilder Rotationsinvarianz Unterschiede auf Klassenebene Vollständig automatische Annotation Skalierbarkeit Zusammenfassung Bag of Colors Kombination der Merkmale Einschränkung des Suchraums Durchschnittliche Berechnungszeiten je Merkmal Überlappung der nächsten Nachbarn Auswirkungen auf die Objekterkennung Zusammenfassung Zusammenfassung Architektur des Pixtract-Frameworks Grobarchitektur von Pixtract Grundkonzepte Lernkomponente Annotationskomponente Umsetzung Konfigurierbare und erweiterbare Merkmalsextraktion Schnittstellen Parallelisierung Säuberung der Stichprobe Filtermechanismus basierend auf dem GIST-Deskriptor III

12 Inhaltsverzeichnis Auswirkungen auf die Objekterkennung Zusammenfassung Verbesserung der Annotation durch Text in natürlichen Fotoaufnahmen Texterkennung in natürlichen Fotoaufnahmen NEOCR Datensatz Globale Metadaten Lokale Metadaten Vergleich mit anderen Datensätzen Distanzmaße für den Vergleich von Zeichensequenzen Evaluation aktueller OCR-Anwendungen Zusammenfassung Anreicherung der Annotation durch erkannten Text Zusammenfassung Vergleich mit erweiterbaren Ansätzen Evaluationsaufbau Klassifikation und Skalierbarkeit Antwortzeit Erweiterbarkeit Zusammenfassung Zusammenfassung und Ausblick 263 Anhang A Relevante Felder aus Metadatenstandards B Linguistische Beziehungen zwischen Wörtern i vii C Ähnlichkeitsmetriken für ontologiebasierte Bewertungsmaße ix C.1 Kantenbasierte Ähnlichkeitsmaße ix C.2 Knotenbasierte Ähnlichkeitsmaße x C.3 Hybride Ähnlichkeitsmaße xi D Mathematische Berechnungen xiii D.1 Verzerrung xiii D.2 Rotation xviii IV

13 Inhaltsverzeichnis E Auflistung von Dateiinhalten xxi E.1 XML-Parameterdatei für FeatExt xxii E.2 XMP-Ausgabedatei erstellt durch FeatExt xxiii E.3 NEOCR XML-Schema-Definition xxv E.4 XML-Annotation für ein Beispielbild aus dem NEOCR Datensatz.... xxix F Beispielergebnisse für den GIST-basierten Filter xxxi F.1 Starre Objekte xxxi F.2 Bewegliche und verformbare Objekte xli F.3 Objekte ohne fester Form xlv F.4 Szenen l Literaturverzeichnis lix V

14

15 Abbildungsverzeichnis 1.1 Schematische Darstellung eines Multimedia Information Retrieval Systems nach [BVBF07] Eingliederung von Pixtract in die schematische Darstellung des Multimedia Information Retrieval Systems von [BVBF07] Grundsätzliches Vorgehen bei Klassifikationsproblemen nach [Nie03] Beispielbilder für die Attributebenen nach [JC02] Mindmap der verschiedenen Ansätze zur logischen Strukturierung der Bildbeschreibungen Strategien zur Klassifikation von Objekten und Szenen nach [BMM07] Grundsätzliches Vorgehen bei der Erlernung von Objektklassen mittels des Bag-of-Words-Ansatzes Grundsätzliches Vorgehen bei der Objekterkennung in Bildern mittels des Bag-of-Words-Ansatzes Vergleich von Ecken und Blob-ähnlichen Detektoren Beschreibung von Punkten mit dem SIFT-Deskriptor nach [Low04] Beispielaufteilungen für Bilder mittels häufig eingesetzter Gitternetze Klassifikation der Modelle zur Beschreibung der geometrischen Beziehungen zwischen Punkten nach [CL06] Linear trennbare Klassen mit optimaler Trenngerade Linear nicht trennbare Klassen in R 2, deren Abbildung in R 3 und die optimale Trennfläche nach [MMR + 01] Beispiel für die Spatial-Pyramid-Methode nach [BR07] VII

16 Abbildungsverzeichnis 4.11 Darstellung von gängigen Bewertungsmaßen im Bildretrieval und der Objekterkennung Allgemeine und klassenspezifische Vokabulare nach [PDCB06] Bipartite Histogramme und klassenspezifische Klassifikatoren nach [PDCB06] Objekterkennungsverfahren mit mehreren Kanälen und Farb-SIFT- Deskriptoren nach [TSU + 08] Objekterkennung mit einem Vokabularbaum nach [NS06] Kombinationsmöglichkeiten von SVMs für die Klassifikation in mehrere Klassen k-närer SVM-Baum nach [ZWQ + 05] mit 8 Klassen Binärer SVM-Baum nach [GP08] mit 8 Klassen DAG-SVM nach [MS08] mit 4 Klassen LabelMe: ein webbasiertes Werkzeug zur manuellen Annotation von Bildern ALIPR Webseite mit Beispielbild und automatisch ermittelten Tags Ablauf der Bildannotation in SADE nach [AYV07] Deskriptor- und Quantisierungsrauschen in Abhängigkeit von k nach [JDS08] Beispielhafte visuelle Wörter aus dem visuellen Vokabular für Früchte und interessante Punkte eines Motorradbildes Histogramme von visuellen Wörtern für ein Foto einer Weintraube und eines Motorrads unter Verwendung des Früchte-Vokabulars Beispiel Objekthierarchie zur top-down bzw. bottom-up Perspektive für den Zusammenhang zwischen dem globalen und den klassenspezifischen Vokabularen Berechnung des klassenspezifischen Vokabulars und der Klassenbeschreibung für die Klasse Ω Blumenkohl anhand einer Stichprobe Berechnung des Score-Werts für ein gegebenes Bild I und der Klasse Ω κ Blickwinkelbasierte Subklassen für die Klasse Fahrrad eingebettet in die Objekthierarchie des PASCAL VOC 2007 Datensatzes Beispielbilder der Subklasse Fahrrad vorne Vertikale Zerlegung einer Anfrage mittels Tree Striping nach [BBK + 00] Vergleich von verschiedenen Vokabulargrößen k = 40, 60, 80, 100 unter Behaltung der Hälfte der häufigsten visuellen Wörter (n/k = 0,5) VIII

17 Abbildungsverzeichnis 6.2 Vergleich der Genauigkeit der Klassifikation mit unterschiedlicher Anzahl der behaltenen häufigsten visuellen Wörtern n unter Verwendung der Vokabulargröße k = 100 für alle klassenspezifische Vokabulare Durchschnittliche Anzahl der visuellen Outlier-Wörter für Bilder, welche zur richtigen, und Bilder, welche nicht zur gegebenen Klasse gehören ROC-Kurven für Vokabulargröße k = 100 mit verschiedenen Werten für die Anzahl der behaltenen häufigsten visuellen Wörter n bei 20 Trainingsbildern je Klasse Vergleich der MAP von klassenspezifischen BoW-basierten Ansätzen unter Verwendung von verschiedenen Detektoren bei steigender Anzahl von Klassen Vergleich der besten und durchschnittlichen AUC- und MAP-Werte für die verschiedenen GIST-basierten Verfahren mit unterschiedlicher Anzahl von Trainingsbildern Durchschnittsbilder erstellt aus 9 Trainingsbildern für die Subklassen rechts, links, vorne und hinten für die Klassen Fahrrad, Motorrad, Katze und Hund Ergebnisse der vollautomatischen Annotation von 4 ausgewählten Bildern des PASCAL VOC 2007 Datensatzes Vergleich der MAP von verschiedenen GIST-basierten Ansätzen bei unterschiedlichen Anzahlen von Klassen Vergleich der MAP von verschiedenen Bag of Colors Ansätzen bei unterschiedlichen Anzahlen von Klassen Vergleich der MAP für die einzelnen Merkmale und deren kombinierte Verwendung Vergleich der eingesetzten Merkmale bzgl. deren Laufzeiten bei der Klassifikation Vergleich der Merkmale bzgl. der Überlappung der nächsten Nachbarn mit den Klassifikationsergebnissen der kombinierten Anwendung aller Merkmale Beeinflussung der MAP bei der Verwendung einer Vorselektion basierend auf dem GIST-Merkmal in Abhängigkeit der prozentualen Einschränkung des Suchraumes Beeinflussung der Laufzeit bei der Verwendung einer Vorselektion basierend auf dem GIST-Merkmal in Abhängigkeit der prozentualen Einschränkung des Suchraumes IX

18 Abbildungsverzeichnis 6.16 MAP für die Klassen der obersten Ebenen der Wordnet Hierarchie Hierarchischer Fehler für die Klassen der obersten Ebenen der Wordnet Hierarchie Grobarchitektur des Pixtract-Frameworks Suche und Visualisierung von WordNet Synsets und Klassen in der Pixtract-Webschnittstelle Ablauf der Annotation mittels der Pixtract-Webschnittstelle Ablauf der Hinzufügung einer neuen Klasse mittels der Pixtract- Webschnittstelle Teil Ablauf der Hinzufügung einer neuen Klasse mittels der Pixtract- Webschnittstelle Teil Annotation von Bildern eingebettet in die Bildverwaltungsanwendung gthumb Ablauf des GIST-basierten Filters zur Eliminierung von Ausreißern und zur Bestimmung der besten Trainingsbilder am Beispiel der Klasse avocado Vergleich der MAP von der Klassifikation mit ungefilterten, größengefilterten und GIST-gefilterten Trainingsbildern Vergleich der MAP der Kombination aller Merkmale mit und ohne Filterung der Trainingsbilder Beispiele aus dem NEOCR Datensatz, welche typische Problemfelder der Texterkennung in natürlichen Fotoaufnahmen aufzeigen Beispielbild Finstere Gasse in der angepassten Annotationssoftware LabelMe Statistiken des NEOCR-Datensatzes bzgl. Helligkeit, Kontrast, Rotation, Abdeckung, Schriftart und Sprache Textwahrnehmung durch ausgewählte OCR-Anwendungen in kompletten Bildern mit und ohne Textinhalt Beispiele für verzerrte Textausschnitte Beispiele für entzerrte Textausschnitte Texterkennungsrate für alle Textausschnitte Texterkennungsrate für Textausschnitte nach Anordnung gruppiert Horizontale Ausschnitte nach Distanzmaß Vertikale Ausschnitte nach Distanzmaß Zirkulare Ausschnitte nach Distanzmaß X

19 Abbildungsverzeichnis 8.12 Texterkennungsrate für Textausschnitte nach Invertierung gruppiert Texterkennungsrate für Textausschnitte nach Abdeckung gruppiert Texterkennungsrate für Ausschnitte nach Abdeckungsart (orientation) gruppiert Texterkennungsrate für Ausschnitte nach prozentualer Abdeckung gruppiert Texterkennungsrate für Ausschnitte nach prozentualer Abdeckung und Sprache gruppiert Texterkennungsrate für Ausschnitte nach Farbe bzw. Textur gruppiert Texterkennungsrate für Textausschnitte nach Helligkeit gruppiert Texterkennungsrate für Textausschnitte nach Kontrast gruppiert Texterkennungsrate für Textausschnitte nach Auflösung gruppiert Texterkennungsrate für Textausschnitte nach Rauschen gruppiert Texterkennungsrate für Textausschnitte nach Unschärfe gruppiert Texterkennungsrate für Textausschnitte nach Verzerrung gruppiert Texterkennungsrate für Textausschnitte nach Rotation um Vielfache von 90 gruppiert Texterkennungsrate für Textausschnitte nach Rotation um Winkelbereich bei 0 gruppiert Texterkennungsrate für Textausschnitte nach Schriftarten gruppiert Texterkennungsrate für Textausschnitte nach Sprachabhängigkeit gruppiert Texterkennungsrate für sprachabhängige Textausschnitte nach Sprachen gruppiert Texterkennungsrate für sprachunabhängige Textausschnitte nach Kategorien gruppiert Beispielbild aus dem ImageNet Datensatz für die Texterkennung und die einzelnen Filterungsschritte Vergleich der MAP für unterschiedliche Anzahlen von Klassen in Pixtract, sowie mit den Verfahren aus [BSI08] und [AF10] Vergleich der durchschnittlichen Antwortzeit für die Klassifikation eines Bildes für unterschiedliche Anzahlen von Klassen in Pixtract sowie mit den Verfahren aus [BSI08] und [AF10] Vergleich der CPU-Zeit für die Aufnahme einer neuen Klasse bei unterschiedlichen Anzahlen von Trainingsbildern in Pixtract sowie mit den Verfahren aus [BSI08] und [AF10] XI

20 Abbildungsverzeichnis 9.4 Vergleich des durchschnittlich benötigten Speicherplatzes für die Aufnahme einer neuen Klasse bei 20 Trainingsbildern in Pixtract sowie mit den Verfahren aus [BSI08] und [AF10] F.1 Beispiel für beste und schlechteste Bilder für die Kategorie avocado, alligator pear, avocado pear, aguacate (WordNetID: ) xxxiii F.2 Beispiel für beste und schlechteste Bilder für die Kategorie bicycle, bike, wheel, cycle (WordNetID: ) xxxiv F.3 Beispiel für beste und schlechteste Bilder für die Kategorie boomerang, throwing stick, throw stick (WordNetID: ) xxxv F.4 Beispiel für beste und schlechteste Bilder für die Kategorie brake (Word- NetID: ) xxxvi F.5 Beispiel für beste und schlechteste Bilder für die Kategorie lemon (Word- NetID: ) xxxvii F.6 Beispiel für beste und schlechteste Bilder für die Kategorie telephone, phone, telephone set (WordNetID: ) xxxviii F.7 Beispiel für beste und schlechteste Bilder für die Kategorie television, television system (WordNetID: ) xxxix F.8 Beispiel für beste und schlechteste Bilder für die Kategorie tennis ball (WordNetID: ) xl F.9 Beispiel für beste und schlechteste Bilder für die Kategorie kuvasz (WordNetID: ) xlii F.10 Beispiel für beste und schlechteste Bilder für die Kategorie paper (Word- NetID: ) xliii F.11 Beispiel für beste und schlechteste Bilder für die Kategorie towel (Word- NetID: ) xliv F.12 Beispiel für beste und schlechteste Bilder für die Kategorie butter (WordNetID: ) xlvi F.13 Beispiel für beste und schlechteste Bilder für die Kategorie double creme, heavy whipping creme (WordNetID: ) xlvii F.14 Beispiel für beste und schlechteste Bilder für die Kategorie milk (Word- NetID: ) xlviii F.15 Beispiel für beste und schlechteste Bilder für die Kategorie paper (Word- NetID: ) xlix XII

21 Abbildungsverzeichnis F.16 Beispiel für beste und schlechteste Bilder für die Kategorie billiard room, billiard saloon, billiard parlor, billiard parlour, billiard hall (WordNetID: ) li F.17 Beispiel für beste und schlechteste Bilder für die Kategorie bite, collation, snack (WordNetID: ) lii F.18 Beispiel für beste und schlechteste Bilder für die Kategorie open-air market, open-air marketplace, market square (WordNetID: ).. liii F.19 Beispiel für beste und schlechteste Bilder für die Kategorie pasta (Word- NetID: ) liv XIII

22

23 Tabellenverzeichnis 3.1 Kategorisierung der Veröffentlichungen zur textbasierten Suche nach Bildern Teil Kategorisierung der Veröffentlichungen zur textbasierten Suche nach Bildern Teil Panofsky-Shatford Matrix nach [AE97] Vergleichende Tabelle der verschiedenen Ansätze zur logischen Strukturierung der Bildbeschreibungen Vergleich von verschiedenen Konzept-Thesauri für die Annotation von visuellen Medien Überblick über Detektoren für interessante Punkte in Bildern nach [MTS + 05] und [TM08] Überblick über Deskriptoren für interessante Punkte in Bildern Überblick über Distanzmaße in Objekterkennungsverfahren Vergleich von verschiedenen Datensätzen für die Evaluation von Objekterkennungsverfahren Entwicklung der PASCAL VOC Datensätze für die Objekterkennungsaufgabe Vergleich der Objekterkennungswettbewerbe PASCAL VOC, ImageCLEF und ILSVRC Vergleich von den besten Objekterkennungsansätzen Teil Vergleich von den besten Objekterkennungsansätzen Teil Aufteilung der Veröffentlichungen zur Annotation von Bildern mittels verschiedener Kategorisierungen XV

24 Tabellenverzeichnis 6.1 Vergleich der AUC des erweiterbaren BoW-Ansatzes mit den GISTbasierten Ansätzen Vergleich der AP der besten und Durchschnitts-AP-Werte des PASCAL VOC 2007 Wettbewerbs mit dem vorgestellten meangist- und NNGIST- Ansatz Übersicht der MAP für die einzelnen Merkmale und deren Kombination bei Klassen Unterschiede zwischen Text in eingescannten Dokumenten und Text in natürlichen Fotoaufnahmen Datentypen und Wertebereiche der Metadaten sowie Beispiel-Annotationswerte für Abbildung Vergleich verschiedener Datensätze für die Texterkennung in natürlichen Fotoaufnahmen Übersicht untersuchter Eigenschaften natürlicher Fotoaufnahmen mit jeweiligem Optimum A.1 Bildbeschreibende Attribute aus dem IPTC Extension Schema [IPT08].. ii A.2 Attribute des Datentyps ArtworkOrObjectDetails nach [IPT08] iii A.3 Attribute des Datentyps LocationDetails nach [IPT08] iii A.4 Bildbeschreibende Attribute aus den XMP Schemata Teil iv A.5 Bildbeschreibende Attribute aus den XMP Schemata Teil v B.1 Semantische Beziehungen zwischen Wörtern nach [Mil95] viii XVI

Customer-specific software for autonomous driving and driver assistance (ADAS)

Customer-specific software for autonomous driving and driver assistance (ADAS) This press release is approved for publication. Press Release Chemnitz, February 6 th, 2014 Customer-specific software for autonomous driving and driver assistance (ADAS) With the new product line Baselabs

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen

Mehr

Universität Dortmund Integrating Knowledge Discovery into Knowledge Management

Universität Dortmund Integrating Knowledge Discovery into Knowledge Management Integrating Knowledge Discovery into Knowledge Management Katharina Morik, Christian Hüppe, Klaus Unterstein Univ. Dortmund LS8 www-ai.cs.uni-dortmund.de Overview Integrating given data into a knowledge

Mehr

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Gliederung Einleitung Problemstellungen Ansätze & Herangehensweisen Anwendungsbeispiele Zusammenfassung 2 Gliederung

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,

Mehr

Ways and methods to secure customer satisfaction at the example of a building subcontractor

Ways and methods to secure customer satisfaction at the example of a building subcontractor Abstract The thesis on hand deals with customer satisfaction at the example of a building subcontractor. Due to the problems in the building branch, it is nowadays necessary to act customer oriented. Customer

Mehr

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining Das Knowledge Grid Eine Architektur für verteiltes Data Mining 1 Gliederung 1. Motivation 2. KDD und PDKD Systeme 3. Knowledge Grid Services 4. TeraGrid Projekt 5. Das Semantic Web 2 Motivation Rapide

Mehr

Digital Imaging Einführung

Digital Imaging Einführung Tutorium Digital Imaging Einführung 7./14. Juli 2004 Martin Stricker martin.stricker@rz.hu-berlin.de Bilder bestehen aus Pixeln Die Maße eines Bildes bestimmen sich aus Breite x Höhe in Pixeln (Auflösung)

Mehr

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit IT-basierte Erstellung von Nachhaltigkeitsberichten Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover vorgelegt von

Mehr

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi Motivation Themenblock: Data Preprocessing We are drowning in information, but starving for knowledge! (John Naisbett) Was genau ist Datenanalyse? Praktikum: Data Warehousing und Data Mining Was ist Data

Mehr

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Björn Burow SE Mustererkennung in Bildern und 3D-Daten Lehrstuhl Graphische Systeme BTU Cottbus Inhaltsübersicht

Mehr

Text Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818

Text Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Text Mining Praktikum Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Rahmenbedingungen Gruppen von 2- (max)4 Personen Jede Gruppe erhält eine Aufgabe Die

Mehr

Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation

Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation Eine Betrachtung im Kontext der Ausgliederung von Chrysler Daniel Rheinbay Abstract Betriebliche Informationssysteme

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Vorbesprechung Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2015 Vorbesprechung, SS 2015 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source:

Mehr

Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH)

Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH) , XML LV BF23 (0F32) Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH) Achim Oßwald FH Köln Institut für Informationswissenschaft Wintersemester 2010 (Stand: 3.12.10) 1/ 18 OAI-PMH

Mehr

Grafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression

Grafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression Digitale Bildverarbeitung Bildkompression Einleitung Datenmenge für ein unkomprimiertes Bild Verwendungszweck des Bildes Bild soll weiterverarbeitet werden Bild soll archiviert werden Bild soll per E-Mail

Mehr

Makologa Touré Damian Gawenda

Makologa Touré Damian Gawenda Vortrag von Makologa Touré Damian Gawenda im ITT am 08. August 2006 07.08.06 Makologa Touré Damian Gawenda 1 Übersicht Was ist ein WMS? Web-Technologien Wie installiere ich einen Web-Map-Server? 07.08.06

Mehr

Kontextbasiertes Information Retrieval

Kontextbasiertes Information Retrieval Kontextbasiertes Information Retrieval Modell, Konzeption und Realisierung kontextbasierter Information Retrieval Systeme Karlheinz Morgenroth Lehrstuhl für Medieninformatik Fakultät Wirtschaftsinformatik

Mehr

PRESS RELEASE. Kundenspezifische Lichtlösungen von MENTOR

PRESS RELEASE. Kundenspezifische Lichtlösungen von MENTOR Kundenspezifische Lichtlösungen von MENTOR Mit Licht Mehrwert schaffen. Immer mehr Designer, Entwicklungsingenieure und Produktverantwortliche erkennen das Potential innovativer Lichtkonzepte für ihre

Mehr

Introduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr

Introduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr Contemporary Aspects in Information Systems Introduction to the diploma and master seminar in FSS 2010 Chair of Business Administration and Information Systems Prof. Dr. Armin Heinzl Sven Scheibmayr Objective

Mehr

Foto und Grafik. Arbeitsheft für den Informatikunterricht. Fotos, Pixel und Vektoren sowie Bildbearbeitung am PC. Name. ... Klasse ...

Foto und Grafik. Arbeitsheft für den Informatikunterricht. Fotos, Pixel und Vektoren sowie Bildbearbeitung am PC. Name. ... Klasse ... Foto und Grafik Arbeitsheft für den Informatikunterricht Fotos, Pixel und Vektoren sowie Bildbearbeitung am PC Name... Klasse... Ausgabe 2011 Redaktion N. Braun, Fachlehrer ICT & Medien Internet: www.jumpcuts.ch

Mehr

Dr. Stefan Wess, Geschäftsführer

Dr. Stefan Wess, Geschäftsführer Dr. Stefan Wess, Geschäftsführer Wirtschaftliche Aspekte der Suchtechnologie: Es geht um (viel) mehr als (nur) Die richtige Information zur richtigen Zeit bei der richtigen Person 4 Dr. Stefan Wess 11.

Mehr

Distributed testing. Demo Video

Distributed testing. Demo Video distributed testing Das intunify Team An der Entwicklung der Testsystem-Software arbeiten wir als Team von Software-Spezialisten und Designern der soft2tec GmbH in Kooperation mit der Universität Osnabrück.

Mehr

Background for Hybrid Processing

Background for Hybrid Processing Background for Hybrid Processing Hans Uszkoreit Foundations of LST WS 04/05 Scope Classical Areas of Computational Linguistics: computational morphology, computational syntax computational semantics computational

Mehr

Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren

Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren Dissertation zur Erlangung des akademischen Gerades eines Doktors der Wirtschaftswissenschaften ( Doctor rerum politicarum") an

Mehr

Multimedia-Metadaten und ihre Anwendung

Multimedia-Metadaten und ihre Anwendung Multimedia-Metadaten und ihre Anwendung 14.02.2006 Video Retrieval und Video Summarization Maria Wagner Aspekte des Video Retrieval 2/14 Videoanalyse Analyse nötig, um Struktur und Metadaten zu erkennen

Mehr

A) Durchsuchen von Datenbanken im Internet durch Endnote

A) Durchsuchen von Datenbanken im Internet durch Endnote EINLEITUNG/ANWEISUNGEN ZU DIESEM TEXT Wir werden die obere Liste (File/ Edit usw.) benutzen, obwohl die meisten Funktionen auch möglich mit rechtem Mausklick, mit Kombinationen der Tastatur oder mit den

Mehr

Datenmodelle im Kontext von Europeana. Stefanie Rühle (SUB Göttingen)

Datenmodelle im Kontext von Europeana. Stefanie Rühle (SUB Göttingen) Datenmodelle im Kontext von Europeana Stefanie Rühle (SUB Göttingen) Übersicht Datenmodelle RDF DCAM ORE SKOS FRBR CIDOC CRM Datenmodelle "Datenmodellierung bezeichnet Verfahren in der Informatik zur formalen

Mehr

Anmeldung Application

Anmeldung Application Angaben zum Unternehmen Company Information Vollständiger Firmenname / des Design Büros / der Hochschule Entire company name / Design agency / University Homepage facebook Straße, Nr. oder Postfach* Street

Mehr

Technische Beschreibung: EPOD Server

Technische Beschreibung: EPOD Server EPOD Encrypted Private Online Disc Technische Beschreibung: EPOD Server Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee JKU Linz Institut für

Mehr

Kapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12

Kapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12 Kapitel 11* Kapitel11* Grundlagen ME p.1/12 Grundlagen ME Aufbau eines ME-Systems Entwicklung eines ME-Systems Kapitel11* Grundlagen ME p.2/12 Aufbau eines ME-Systems (1) on line Phase digitalisiertes

Mehr

TMF projects on IT infrastructure for clinical research

TMF projects on IT infrastructure for clinical research Welcome! TMF projects on IT infrastructure for clinical research R. Speer Telematikplattform für Medizinische Forschungsnetze (TMF) e.v. Berlin Telematikplattform für Medizinische Forschungsnetze (TMF)

Mehr

ReadMe zur Installation der BRICKware for Windows, Version 6.1.2. ReadMe on Installing BRICKware for Windows, Version 6.1.2

ReadMe zur Installation der BRICKware for Windows, Version 6.1.2. ReadMe on Installing BRICKware for Windows, Version 6.1.2 ReadMe zur Installation der BRICKware for Windows, Version 6.1.2 Seiten 2-4 ReadMe on Installing BRICKware for Windows, Version 6.1.2 Pages 5/6 BRICKware for Windows ReadMe 1 1 BRICKware for Windows, Version

Mehr

Jubiläumsabo März / April 2012 Jubiläumsausgabe #1-12 Deutschland Euro 12,00 ISSN: 1864-8398 www.dokmagazin.de

Jubiläumsabo März / April 2012 Jubiläumsausgabe #1-12 Deutschland Euro 12,00 ISSN: 1864-8398 www.dokmagazin.de Nur jetzt! Jubiläumsabo März / April 2012 Jubiläumsausgabe #1-12 Deutschland Euro 12,00 ISSN: 1864-8398 www.dokmagazin.de Enterprise Search Strategien für Erfolg Dokumentenmanagement mit SharePoint: Neue

Mehr

eurex rundschreiben 094/10

eurex rundschreiben 094/10 eurex rundschreiben 094/10 Datum: Frankfurt, 21. Mai 2010 Empfänger: Alle Handelsteilnehmer der Eurex Deutschland und Eurex Zürich sowie Vendoren Autorisiert von: Jürg Spillmann Weitere Informationen zur

Mehr

Exploring the knowledge in Semi Structured Data Sets with Rich Queries

Exploring the knowledge in Semi Structured Data Sets with Rich Queries Exploring the knowledge in Semi Structured Data Sets with Rich Queries Jürgen Umbrich Sebastian Blohm Institut AIFB, Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 www.kit.ed Overview

Mehr

Eclipse User Interface Guidelines

Eclipse User Interface Guidelines SS 2009 Softwarequalität 06.05.2009 C. M. Bopda, S. Vaupel {kaymic/vaupel84}@mathematik.uni-marburg.de Motivation (Problem) Motivation (Problem) Eclipse is a universal tool platform - an open, extensible

Mehr

unter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer

unter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer Knowledge Management Wissensmanagement 0. Produktionsfaktoren 1. Data Information Knowledge 2. Knowledge representation Wissensdarstellung 3. Interfaces to artificial intelligence 4. Knowledge management

Mehr

MMI2 Übung 10: Kamera-basierte mobile Interaktion. Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München

MMI2 Übung 10: Kamera-basierte mobile Interaktion. Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München MMI2 Übung 10: Kamera-basierte mobile Interaktion Prof. Dr., Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Aktuelles Klausur am 8.2.2012 Anmeldung Fragen zur Klausur jeweils zu

Mehr

Antwortzeitverhalten von Online Storage Services im Vergleich

Antwortzeitverhalten von Online Storage Services im Vergleich EPOD Encrypted Private Online Disc Antwortzeitverhalten von Online Storage Services im Vergleich Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee

Mehr

Bildmerkmalssuche. Seminar Computational Photography. Visual Computing Department of Computer Science

Bildmerkmalssuche. Seminar Computational Photography. Visual Computing Department of Computer Science Bildmerkmalssuche Seminar Computational Photography EINFÜHRUNG 2 Einführung Bildmerkmalssuche: sehr wichtiges Thema des künstlichen Sehens Erkennen von Objekten auf dem Bild oder in einer Bildsequenz anhand

Mehr

RailMaster New Version 7.00.p26.01 / 01.08.2014

RailMaster New Version 7.00.p26.01 / 01.08.2014 RailMaster New Version 7.00.p26.01 / 01.08.2014 English Version Bahnbuchungen so einfach und effizient wie noch nie! Copyright Copyright 2014 Travelport und/oder Tochtergesellschaften. Alle Rechte vorbehalten.

Mehr

Dynamische Plug-ins mit Eclipse 3. Martin Lippert (martin.lippert@it-agile.de, www.it-agile.de) Tammo Freese (freese@acm.org)

Dynamische Plug-ins mit Eclipse 3. Martin Lippert (martin.lippert@it-agile.de, www.it-agile.de) Tammo Freese (freese@acm.org) Dynamische Plug-ins mit Eclipse 3 Martin Lippert (martin.lippert@it-agile.de, www.it-agile.de) Tammo Freese (freese@acm.org) Überblick Die Ausgangslage Dynamische Plug-ins Warum? Eclipse 3 Die OSGi-basierte

Mehr

Diplomarbeit. vorgelegt von. Ivan Mahnet. Matrikel Nr. 612904 13. Fachsemester. Wintersemester 2009/2010

Diplomarbeit. vorgelegt von. Ivan Mahnet. Matrikel Nr. 612904 13. Fachsemester. Wintersemester 2009/2010 Diplomarbeit Zur Erlangung des akademischen Titels Diplom-Gesundheitsökonom (FH) Dimensionierung einer Rohrpostanlage in einem Krankenhaus der Maximalversorgung vorgelegt von Ivan Mahnet Matrikel Nr. 612904

Mehr

Jörn Plönnigs. Control Network Performance Engineering

Jörn Plönnigs. Control Network Performance Engineering Beiträge aus der Informationstechnik Jörn Plönnigs Control Network Performance Engineering Qualitätsorientierter Entwurf von CSMA-Netzwerken der Automation Dresden 2007 Bibliografische Information der

Mehr

Semantic Markup für die Dokumentenklassifizierung. Seminarvortrag von Mirko Pracht

Semantic Markup für die Dokumentenklassifizierung. Seminarvortrag von Mirko Pracht Semantic Markup für die Dokumentenklassifizierung Seminarvortrag von Mirko Pracht Ziel des Vortrags Aufbau digitaler Bibliotheken Verbesserung Informationssuche Semantic Markup Gliederung 1. Grundlagen

Mehr

Working Sets for the Principle of Least Privilege in Role Based Access Control (RBAC) and Desktop Operating Systems DISSERTATION

Working Sets for the Principle of Least Privilege in Role Based Access Control (RBAC) and Desktop Operating Systems DISSERTATION UNIVERSITÄT JOHANNES KEPLER LINZ JKU Technisch-Naturwissenschaftliche Fakultät Working Sets for the Principle of Least Privilege in Role Based Access Control (RBAC) and Desktop Operating Systems DISSERTATION

Mehr

Exercise (Part XI) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1

Exercise (Part XI) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1 Exercise (Part XI) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All

Mehr

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Adam Stambulski Project Manager Viessmann R&D Center Wroclaw Dr. Moritz Gomm Business Development Manager Zühlke Engineering

Mehr

Large-Scale Image Search

Large-Scale Image Search Large-Scale Image Search Visuelle Bildsuche in sehr großen Bildsammlungen Media Mining I Multimedia Computing, Universität Augsburg Rainer.Lienhart@informatik.uni-augsburg.de www.multimedia-computing.{de,org}

Mehr

Visendo Fax Printer Troubleshooting

Visendo Fax Printer Troubleshooting Visendo Fax Server und Windows TIFF IFilter Volltextsuche in TIFF-Bildern Mit dem TIFF IFilter stellt Windows ein Instrument zur Verfügung, das die Suche nach TIFF- Dokumenten basierend auf dem Textinhalt

Mehr

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Industrie 4.0 Predictive Maintenance Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Anwendungsfälle Industrie 4.0 Digitales Objektgedächtnis Adaptive Logistik Responsive Manufacturing Intelligenter

Mehr

Workflow Systeme mit der Windows Workflow Foundation

Workflow Systeme mit der Windows Workflow Foundation Studiengang Electronic Business (EB) Diplomarbeit (280000) Workflow Systeme mit der Windows Workflow Foundation externe Betreuung durch Christoph Müller vorgelegt bei Prof. Dr. Michael Gröschel von Hans-Martin

Mehr

Detecting Near Duplicates for Web Crawling

Detecting Near Duplicates for Web Crawling Detecting Near Duplicates for Web Crawling Gurmeet Singh Manku et al., WWW 2007* * 16th international conference on World Wide Web Detecting Near Duplicates for Web Crawling Finde near duplicates in großen

Mehr

Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine

Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine 5. Braunschweiger Symposium 20./21. Februar 2008 Dipl.-Ing. T. Mauk Dr. phil. nat. D. Kraft

Mehr

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie4RISuPV.PPT/hoffmann/feb10/1 R4eGov Technologie4RISuPV.PPT/hoffmann/feb10/2 Ausgangspunkt:

Mehr

Prozessorientierte Organisation des Metadatenmanagements für Data-Warehouse-Systeme

Prozessorientierte Organisation des Metadatenmanagements für Data-Warehouse-Systeme Prozessorientierte Organisation des Metadatenmanagements für Data-Warehouse-Systeme DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG) zur Erlangung

Mehr

Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas. Mr. Niemczik, Mr. Koppatz (SuDiLe GbR)

Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas. Mr. Niemczik, Mr. Koppatz (SuDiLe GbR) Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas in cooperation with Mr. Niemczik, Mr. Koppatz (SuDiLe GbR) Our idea: Fachbereich Wirtschaft, Verwaltung und Recht Simple strategies of lifelong

Mehr

Hochschule Heilbronn Technik Wirtschaft Informatik

Hochschule Heilbronn Technik Wirtschaft Informatik Hochschule Heilbronn Technik Wirtschaft Informatik Studiengang Electronic Business (EB) Diplomarbeit (280000) Evaluierung und Einführung eines Web Content Management Systems bei einem internationalen und

Mehr

Neue Wege der Suche in Medienarchiven

Neue Wege der Suche in Medienarchiven Neue Wege der Suche in Medienarchiven Dr. Harald Sack Hasso-Plattner-Institut für Softwaresystemtechnik Universität Potsdam 3. Leipziger Semantic Web Tag, 5. Mai 2011 Das HPI wurde im Oktober 1998 im Rahmen

Mehr

SemTalk Services. SemTalk UserMeeting 29.10.2010

SemTalk Services. SemTalk UserMeeting 29.10.2010 SemTalk Services SemTalk UserMeeting 29.10.2010 Problemstellung Immer mehr Anwender nutzen SemTalk in Verbindung mit SharePoint Mehr Visio Dokumente Viele Dokumente mit jeweils wenigen Seiten, aber starker

Mehr

Modellfreie numerische Prognosemethoden zur Tragwerksanalyse

Modellfreie numerische Prognosemethoden zur Tragwerksanalyse Modellfreie numerische Prognosemethoden zur Tragwerksanalyse Zur Erlangung des akademischen Grades Doktor-Ingenieur (Dr.-Ing.) an der Fakultät Bauingenieurwesen der Technischen Universität Dresden eingereichte

Mehr

Objektorientierte Datenmodelle und - verwaltung

Objektorientierte Datenmodelle und - verwaltung Schlagworte der 90er: Objektorientiertes GIS OpenGIS Case-Tool Geoökologe Legt Problemstellung fest (Art, Anzahl, Dimension, Skalierung) Wählt Koordinatensystem Wählt Fachattribute OOUI (object-oriented

Mehr

Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten

Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten Vortrag anlässlich der ODOK 2007 (20. September 2007, Graz) Joachim Pfister Schweizerisches

Mehr

arlanis Software AG SOA Architektonische und technische Grundlagen Andreas Holubek

arlanis Software AG SOA Architektonische und technische Grundlagen Andreas Holubek arlanis Software AG SOA Architektonische und technische Grundlagen Andreas Holubek Speaker Andreas Holubek VP Engineering andreas.holubek@arlanis.com arlanis Software AG, D-14467 Potsdam 2009, arlanis

Mehr

MICROSOFT SHAREPOINT 2010 Microsoft s neue Wunderwaffe!? Eike Fiedrich. Herzlich Willkommen!

MICROSOFT SHAREPOINT 2010 Microsoft s neue Wunderwaffe!? Eike Fiedrich. Herzlich Willkommen! MICROSOFT SHAREPOINT 2010 Microsoft s neue Wunderwaffe!? Eike Fiedrich Herzlich Willkommen! Sharepoint 2010 Voraussetzung: 2 SharePoint 2010 Gesellschaft für Informatik Eike Fiedrich Bechtle GmbH Solingen

Mehr

Klausur Verteilte Systeme

Klausur Verteilte Systeme Klausur Verteilte Systeme SS 2005 by Prof. Walter Kriha Klausur Verteilte Systeme: SS 2005 by Prof. Walter Kriha Note Bitte ausfüllen (Fill in please): Vorname: Nachname: Matrikelnummer: Studiengang: Table

Mehr

Applying Pléiades in the ASAP project HighSens

Applying Pléiades in the ASAP project HighSens Applying Pléiades in the ASAP project HighSens Highly versatile, new satellite Sensor applications for the Austrian market and International Development (Contract number: 833435) Dr. Eva Haas, GeoVille

Mehr

Visionen für die Betriebliche Weiterbildung

Visionen für die Betriebliche Weiterbildung Visionen für die Betriebliche Weiterbildung Dr. Roland Klemke, Dr. Bert Hoogveld, Drs. Fred de Vries CELSTEC, Open University of the Netherlands Visionen für die Betriebliche Weiterbildung page 1 Activities

Mehr

ISO 15504 Reference Model

ISO 15504 Reference Model Prozess Dimension von SPICE/ISO 15504 Process flow Remarks Role Documents, data, tools input, output Start Define purpose and scope Define process overview Define process details Define roles no Define

Mehr

PRODUKTION UND GESTALTUNG INTERAKTIVER MEDIEN

PRODUKTION UND GESTALTUNG INTERAKTIVER MEDIEN PRODUKTION UND GESTALTUNG INTERAKTIVER MEDIEN 1) Einführung in Photoshop Rebecca Rottensteiner, B.A. Photoshop Allgemein Dateiformate Design in Photoshop umsetzten Besprechung Konzepte Webschriftarten

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Field Librarianship in den USA

Field Librarianship in den USA Field Librarianship in den USA Bestandsaufnahme und Zukunftsperspektiven Vorschau subject librarians field librarians in den USA embedded librarians das amerikanische Hochschulwesen Zukunftsperspektiven

Mehr

Towards Automated Analysis of Business Processes for Financial Audits

Towards Automated Analysis of Business Processes for Financial Audits Towards Automated Analysis of Business Processes for Financial Audits Michael Werner Universität Hamburg michael.werner@wiso.uni hamburg.de Max Brauer Allee 60 22765 Hamburg StB Prof. Dr. Nick Gehrke Nordakademie

Mehr

Intergraph Geospatial World Tour SMARTERDECISIONS

Intergraph Geospatial World Tour SMARTERDECISIONS Intergraph Geospatial World Tour Bern, 7. März 2013 SMARTERDECISIONS MFB-GeoConsulting Company profile Solutions in Geographic Imaging Innovative, individualisierte Dienstleistungen für die Geodaten-Verarbeitung:

Mehr

UMA mittels MPEG-21. SUN Yunxia (0222059) LU Da (0320300) LI Haitao (0320750) UMA mittels MPEG-21, WAP 2004/2005 1

UMA mittels MPEG-21. SUN Yunxia (0222059) LU Da (0320300) LI Haitao (0320750) UMA mittels MPEG-21, WAP 2004/2005 1 UMA mittels MPEG-21 SUN Yunxia (0222059) LU Da (0320300) LI Haitao (0320750) UMA mittels MPEG-21, WAP 2004/2005 1 Inhalt Was ist MPEG Was ist MPEG-21 Was ist Digital Item Universal Media Access Applikation

Mehr

SmartClass Firmware-Update Vorgehensweise

SmartClass Firmware-Update Vorgehensweise Benutzeranweisungen SmartClass Firmware-Update Vorgehensweise 2008.01 (V 1.x.x) Deutsch Please direct all enquiries to your local JDSU sales company. The addresses can be found at: www.jdsu.com/tm-contacts

Mehr

Content Management Systeme

Content Management Systeme Content Management Systeme Ein Vergleich unter besonderer Berücksichtigung von CoreMedia und TYPO3 Bachelorthesis im Kooperativen Bachelor Studiengang Informatik (KoSI) der Fachhochschule Darmstadt University

Mehr

ZK2000SF ACCESS CONTROL ZUTRITTSKONTROLLE

ZK2000SF ACCESS CONTROL ZUTRITTSKONTROLLE ZUTRITTSKONTROLLE ACCESS CONTROL SMPX.xx SMPX.xG ZK2000SF Kommunikation über ISDN oder TCP/IP Intelligenter ler Individuelle Rechteverwaltung Verwaltung von 150.000 Personen Communication via ISDN or TCP/IP

Mehr

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung

Mehr

Einführung Arten von Softwaretests Prinzipien Continuous Integration Tests in FLOSS-Projekten Quellen. Softwaretests. Christoph Betschart

Einführung Arten von Softwaretests Prinzipien Continuous Integration Tests in FLOSS-Projekten Quellen. Softwaretests. Christoph Betschart Softwaretests Christoph Betschart 27. Oktober 2014 Inhaltsverzeichnis Einführung Arten von Softwaretests Prinzipien Seven Principles of Software Testing Continuous Integration Tests in FLOSS-Projekten

Mehr

Mobile Backend in der

Mobile Backend in der Mobile Backend in der Cloud Azure Mobile Services / Websites / Active Directory / Kontext Auth Back-Office Mobile Users Push Data Website DevOps Social Networks Logic Others TFS online Windows Azure Mobile

Mehr

Medical Image Processing MediGRID. GRID-Computing für Medizin und Lebenswissenschaften

Medical Image Processing MediGRID. GRID-Computing für Medizin und Lebenswissenschaften Medical Image Processing in Medical Image Processing Image Processing is of high importantance for medical research, diagnosis and therapy High storage capacity Volume data, high resolution images, screening

Mehr

Parameter-Updatesoftware PF-12 Plus

Parameter-Updatesoftware PF-12 Plus Parameter-Updatesoftware PF-12 Plus Mai / May 2015 Inhalt 1. Durchführung des Parameter-Updates... 2 2. Kontakt... 6 Content 1. Performance of the parameter-update... 4 2. Contact... 6 1. Durchführung

Mehr

Support Technologies based on Bi-Modal Network Analysis. H. Ulrich Hoppe. Virtuelles Arbeiten und Lernen in projektartigen Netzwerken

Support Technologies based on Bi-Modal Network Analysis. H. Ulrich Hoppe. Virtuelles Arbeiten und Lernen in projektartigen Netzwerken Support Technologies based on Bi-Modal Network Analysis H. Agenda 1. Network analysis short introduction 2. Supporting the development of virtual organizations 3. Supporting the development of compentences

Mehr

Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena

Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena http://www.im.uni-jena.de Contents I. Learning Objectives II. III. IV. Recap

Mehr

Suchen und Finden im Collaborative Workspace

Suchen und Finden im Collaborative Workspace Department Informatik HAW Hamburg 24. November 2006 Einführung Anwendungsszenarien Textbasiert (klassisch) Ortsbezogen Bildsuche Low-Level Ansatz Eigener Ansatz Architektur Skalierung Ziele Masterprojekt

Mehr

ShopBot, ein Software-Agent für das Internet

ShopBot, ein Software-Agent für das Internet Software-Agenten p.1/20 ShopBot, ein Software-Agent für das Internet Eine Einführung in (Software-)Agenten Madeleine Theile Software-Agenten p.2/20 Aufbau des Vortrags grundlegende Theorie Definition Autonomy,

Mehr

CAViT - Kurzvorstellung

CAViT - Kurzvorstellung CAViT - Kurzvorstellung Auswertung von Versuchs- und Simulationsdaten Martin Liebscher, März 2015 Copyright SCALE GmbH; Disclosure to third parties only in consultation with SCALE Einordnung / Motivation

Mehr

Vorbereitungsaufgaben

Vorbereitungsaufgaben Praktikum Bildverarbeitung / Bildinformationstechnik Versuch BV 4 / BIT 3: Mustererkennung Paddy Gadegast, CV00, 160967 Alexander Opel, CV00, 16075 Gruppe 3 Otto-von-Guericke Universität Magdeburg Fakultät

Mehr

Apache Lucene. Mach s wie Google! Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache.org

Apache Lucene. Mach s wie Google! Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache.org Apache Lucene Mach s wie Google! Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache.org 1 Apache Apache Software Foundation Software free of charge Apache Software

Mehr

Service Design. Dirk Hemmerden - Appseleration GmbH. Mittwoch, 18. September 13

Service Design. Dirk Hemmerden - Appseleration GmbH. Mittwoch, 18. September 13 Service Design Dirk Hemmerden - Appseleration GmbH An increasing number of customers is tied in a mobile eco-system Hardware Advertising Software Devices Operating System Apps and App Stores Payment and

Mehr

Large Scale Data Management

Large Scale Data Management Large Scale Data Management Beirat für Informationsgesellschaft / GOING LOCAL Wien, 21. November 2011 Prof. Dr. Wolrad Rommel FTW Forschungszentrum Telekommunikation Wien rommel@ftw.at Gartner's 2011 Hype

Mehr

Keine Angst vor einem digitalen Bildarchiv

Keine Angst vor einem digitalen Bildarchiv Keine Angst vor einem digitalen Bildarchiv Vortrag von Dr. Christoph Müllerleile vor der AG Digitale Archivierung des Vereins für Geschichte und Heimatkunde Oberursel e.v. am 11. September 2012 im Alten

Mehr

Maschinelles Lernen und Data Mining: Methoden und Anwendungen

Maschinelles Lernen und Data Mining: Methoden und Anwendungen Maschinelles Lernen und Data Mining: Methoden und Anwendungen Eyke Hüllermeier Knowledge Engineering & Bioinformatics Fachbereich Mathematik und Informatik GFFT-Jahrestagung, Wesel, 17. Januar 2008 Knowledge

Mehr

Support Vector Machine und Ridge Regression in der digitalen Bildverarbeitung

Support Vector Machine und Ridge Regression in der digitalen Bildverarbeitung Support Vector Machine und Ridge Regression in der digitalen Bildverarbeitung Volker Gimple, Gruppenleiter Bildverarbeitung STEMMER IMAGING GmbH, Puchheim INHALT (1) Einleitung Begriffsklärung Struktur

Mehr

Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology Diplom.de

Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology Diplom.de Frederik Dahlke Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology The enterprise 2.0 concept applied to lean software development Diplom.de

Mehr

Group and Session Management for Collaborative Applications

Group and Session Management for Collaborative Applications Diss. ETH No. 12075 Group and Session Management for Collaborative Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZÜRICH for the degree of Doctor of Technical Seiences

Mehr

Blindennavigation. als Anwendung für Location-based Services. Andreas Hub

Blindennavigation. als Anwendung für Location-based Services. Andreas Hub Blindennavigation als Anwendung für Location-based Services Andreas Hub Motivation? Wo bin ich? Was ist vor mir? Wo ist die Tür? Wo ist der Eingang? Kommen Gefahren? Was ist im Weg? Probleme Orientierung

Mehr

Content Management Systeme auf dem Weg zum Semantic Web

Content Management Systeme auf dem Weg zum Semantic Web Content Management Systeme auf dem Weg zum Semantic Web Semantic Web baut auf der Anreicherung bestehender Datenbestände mit strukturierten Metadaten auf. Um die vieldiskutierten Vorteile von Semantic

Mehr