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

Large-Scale Mining and Retrieval of Visual Data in a Multimodal Context

Large-Scale Mining and Retrieval of Visual Data in a Multimodal Context Diss. ETH No. 18190 Large-Scale Mining and Retrieval of Visual Data in a Multimodal Context A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of Technical

Mehr

(query by image content)

(query by image content) Proseminar Multimedia Information-Retrieval-Systeme (query by image content) Das QBIC Projekt 1. Einleitung 1.1 Was ist QBIC 1.2 Wo wird es verwendet 2. QBIC im Detail 2.1 technische Grundlagen 2.2 Aufbau

Mehr

Entwicklung eines Distanzmaßes zwischen Bildern über dem Modell der Fields of Visual Words

Entwicklung eines Distanzmaßes zwischen Bildern über dem Modell der Fields of Visual Words Entwicklung eines Distanzmaßes zwischen Bildern über dem Modell der Fields of Visual Words André Viergutz 1 Inhalt Einführung. Einordnung der Arbeit in die zugrunde liegenden Konzepte Das Modell der Fields

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

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

Objektsegmentierung von kompaktem Schüttgut für die technische Erkennung

Objektsegmentierung von kompaktem Schüttgut für die technische Erkennung Objektsegmentierung von kompaktem Schüttgut für die technische Erkennung Dissertation zur Erlangung des akademischen Grades Doktoringenieur (Dr.-Ing.) vorgelegt der Fakultät für Maschinenbau der Technischen

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

Ontologien und Ontologiesprachen

Ontologien und Ontologiesprachen Ontologien und Ontologiesprachen Semantische Datenintegration SoSe2005 Uni Bremen Yu Zhao Gliederung 1. Was ist Ontologie 2. Anwendungsgebiete 3. Ontologiesprachen 4. Entwicklung von Ontologien 5. Zusammenfassung

Mehr

Software Echtzeitverhalten in den Griff Bekommen

Software Echtzeitverhalten in den Griff Bekommen Software Echtzeitverhalten in den Griff Bekommen B.Sc.Markus Barenhoff [www.embedded-tools.de] Dr. Nicholas Merriam [www.rapitasystems.com] Übersicht Reaktionszeit Nettolaufzeit Optimierung Worst-Case

Mehr

1 Einleitung. 1.1 Motivation

1 Einleitung. 1.1 Motivation 1 Einleitung 1.1 Motivation Eine zunehmende Globalisierung in Verbindung mit der Verbreitung des elektronischen Handels, stets kürzer werdende Produktlebenszyklen und eine hohe Variantenvielfalt konstituieren

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

Quellen: Towards a Human Computer InteractionPerspective. Übersicht. Warum visuelle Sprachen? Begriffsdefinitionen: Hinderungsgründe bisher:

Quellen: Towards a Human Computer InteractionPerspective. Übersicht. Warum visuelle Sprachen? Begriffsdefinitionen: Hinderungsgründe bisher: Quellen: Towards a Human Computer InteractionPerspective von B.K. & B.K. LV: Visuelle Sprachen (03-763) Universität Bremen WS 2001/02 Visual Language Theory: Towards a Human- Computer Perspective; N. Hari

Mehr

Softwareschnittstellen

Softwareschnittstellen P4.1. Gliederung Rechnerpraktikum zu Kapitel 4 Softwareschnittstellen Einleitung, Component Object Model (COM) Zugriff auf Microsoft Excel Zugriff auf MATLAB Zugriff auf CATIA Folie 1 P4.2. Einleitung

Mehr

Webbasierte Exploration von großen 3D-Stadtmodellen mit dem 3DCityDB Webclient

Webbasierte Exploration von großen 3D-Stadtmodellen mit dem 3DCityDB Webclient Webbasierte Exploration von großen 3D-Stadtmodellen mit dem 3DCityDB Webclient Zhihang Yao, Kanishk Chaturvedi, Thomas H. Kolbe Lehrstuhl für Geoinformatik www.gis.bgu.tum.de 11/14/2015 Webbasierte Exploration

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

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

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

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

Semantische Bildsuche mittels kollaborativer Filterung und visueller Navigation

Semantische Bildsuche mittels kollaborativer Filterung und visueller Navigation Semantische Bildsuche mittels kollaborativer Filterung und visueller Navigation Prof. Dr. Kai Uwe Barthel HTW Berlin / pixolution GmbH Übersicht Probleme der gegenwärtigen Bildsuchsysteme Schlagwortbasierte

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

GridMate The Grid Matlab Extension

GridMate The Grid Matlab Extension GridMate The Grid Matlab Extension Forschungszentrum Karlsruhe, Institute for Data Processing and Electronics T. Jejkal, R. Stotzka, M. Sutter, H. Gemmeke 1 What is the Motivation? Graphical development

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

Zugängliche Grafiken in Web Applikationen

Zugängliche Grafiken in Web Applikationen Zugängliche Grafiken in Web Applikationen IKT-Forum für Menschen mit Behinderungen: Praxis Forschung Entwicklung 07.07.2008 (kerstin.altmanninger@jku.ac.at) Website: http://a2g.faw.uni-linz.ac.at Johannes

Mehr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr Einführung Information Retrieval Norbert Fuhr 13. Oktober 2011 IR in Beispielen Was ist IR? Daten Information Wissen Dimensionen des IR Rahmenarchitektur für IR-Systeme Adhoc-Suche: Web IR in Beispielen

Mehr

Semantik in Suchmaschinen Beispiele. Karin Haenelt 7.12.2014

Semantik in Suchmaschinen Beispiele. Karin Haenelt 7.12.2014 Semantik in Suchmaschinen Beispiele Karin Haenelt 7.12.2014 Inhalt Google Knowledge Graph Freebase schema.org 2 Google Knowledge Graph Zuordnung von Suchtermen zu Weltentitäten Darstellung von Zusammenhängen

Mehr

DPF Dynamic Partial distance Function

DPF Dynamic Partial distance Function DPF Dynamic Partial distance Function Vorgelegt von Sebastian Loose (MatrikelNR.: 169172), Computervisualistikstudent im 4. Semester. Hausarbeit zum Papier DPF A Perceptual Distance Function for Image

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

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

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

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

file:///c:/users/wpzsco/appdata/local/temp/tmp373d.tmp.htm

file:///c:/users/wpzsco/appdata/local/temp/tmp373d.tmp.htm Seite 1 von 5 Besucherinformation und -lenkung: Typ 09 Wegweiser Typenbeschreibungen File Geodatabase Table Thumbnail Not Available Tags Infrastruktur, Besucherinformation, Besucherlenkung, Schild, Standort,

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

Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden

Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden Sperrvermerk Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden Bachelorarbeit Zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

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

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

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

Wählen Sie das MySQL Symbol und erstellen Sie eine Datenbank und einen dazugehörigen User.

Wählen Sie das MySQL Symbol und erstellen Sie eine Datenbank und einen dazugehörigen User. 1 English Description on Page 5! German: Viele Dank für den Kauf dieses Produktes. Im nachfolgenden wird ausführlich die Einrichtung des Produktes beschrieben. Für weitere Fragen bitte IM an Hotmausi Congrejo.

Mehr

Szenengraph-Architekturen im Kontext von VR- und AR-Anwendungen

Szenengraph-Architekturen im Kontext von VR- und AR-Anwendungen Szenengraph-Architekturen - 1 Szenengraph-Architekturen im Kontext von VR- und AR-Anwendungen Hauptseminar Medieninformatik Christina Eicher 10. Mai 2004 Inhalt Szenengraph-Architekturen - 2 Teil 1: Szenengraphen

Mehr

Semantic Web. www.geo-spirit.org. Metadata extraction

Semantic Web. www.geo-spirit.org. Metadata extraction Semantic Web www.geo-spirit.org WP 6 WP 3 Metadata extraction Ontologies Semantic Web Tim Berners Lee Was wäre, wenn der Computer den Inhalt einer Seite aus dem World Wide Web nicht nur anzeigen, sondern

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

Lean Six Sigma als Instrument für die Messung von ITIL -Prozessen

Lean Six Sigma als Instrument für die Messung von ITIL -Prozessen Informatik Anja Theisen Lean Six Sigma als Instrument für die Messung von ITIL -Prozessen Studienarbeit UNIVERSITÄT DUISBURG-ESSEN Seminararbeit zum Thema Lean Six Sigma als Instrument für die Messung

Mehr

YAGO YAGO. A semantic knowledge base. Paul Boeck. Humboldt Universität zu Berlin Institut für Informatik. Dezember 2012 1/19

YAGO YAGO. A semantic knowledge base. Paul Boeck. Humboldt Universität zu Berlin Institut für Informatik. Dezember 2012 1/19 1/19 A semantic knowledge base Paul Boeck Humboldt Universität zu Berlin Institut für Informatik Dezember 2012 2/19 Übersicht 1 Einführung 2 Das Modell Struktur Semantik 3 Das System 4 Anwendung 3/19 Einführung

Mehr

Peter Dikant mgm technology partners GmbH. Echtzeitsuche mit Hadoop und Solr

Peter Dikant mgm technology partners GmbH. Echtzeitsuche mit Hadoop und Solr Peter Dikant mgm technology partners GmbH Echtzeitsuche mit Hadoop und Solr ECHTZEITSUCHE MIT HADOOP UND SOLR PETER DIKANT MGM TECHNOLOGY PARTNERS GMBH WHOAMI peter.dikant@mgm-tp.com Java Entwickler seit

Mehr

Mit XML-basierten Web-Standards zur Lernplattform im Projekt ITO

Mit XML-basierten Web-Standards zur Lernplattform im Projekt ITO Mit XML-basierten Web-Standards zur Lernplattform im Projekt ITO Martin Rotard Institut für Visualisierung und Interaktive Systeme Universität Stuttgart 1 / 17 Überblick Projekt ITO Mit konventionellen

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

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 378 Umsetzung ausgewählter Supply-Chain-Operations-Reference-Metriken durch das

Mehr

DAT Newsletter Nr. 48 (07/2014)

DAT Newsletter Nr. 48 (07/2014) DAT Newsletter Nr. 48 (07/2014) DAT uropa-code Lieferung: Erweiterung Zusatzelement 2 um Kennzeichen "Arbeit vorhanden?" und "Lackierarbeit vorhanden?" Abkündigung Web-Service: ConversionFunctions Ablösung

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

Betrachtung von Verfahren zur Posenbestimmung und Merkmalsexktraktion. Thorsten Jost INF-MA SR Wintersemester 2008/2009 1.

Betrachtung von Verfahren zur Posenbestimmung und Merkmalsexktraktion. Thorsten Jost INF-MA SR Wintersemester 2008/2009 1. Betrachtung von Verfahren zur Posenbestimmung und Merkmalsexktraktion Thorsten Jost INF-MA SR Wintersemester 2008/2009 1. Dezember 2008 Agenda Motivation Feature Detection SIFT MOPS SURF SLAM Monte Carlo

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

Context-adaptation based on Ontologies and Spreading Activation

Context-adaptation based on Ontologies and Spreading Activation -1- Context-adaptation based on Ontologies and Spreading Activation ABIS 2007, Halle, 24.09.07 {hussein,westheide,ziegler}@interactivesystems.info -2- Context Adaptation in Spreadr Pubs near my location

Mehr

ABFRAGESPRACHE FÜR GEOMETRISCHE UND SEMANTISCHE INFORMATION AUS RASTERBASIERTEN TOPOGRAFISCHEN KARTEN. ABHANDLUNG zur Erlangung des Titels

ABFRAGESPRACHE FÜR GEOMETRISCHE UND SEMANTISCHE INFORMATION AUS RASTERBASIERTEN TOPOGRAFISCHEN KARTEN. ABHANDLUNG zur Erlangung des Titels DISS. ETH Nr. 14864 ABFRAGESPRACHE FÜR GEOMETRISCHE UND SEMANTISCHE INFORMATION AUS RASTERBASIERTEN TOPOGRAFISCHEN KARTEN ABHANDLUNG zur Erlangung des Titels DOKTOR DER TECHNISCHEN WISSENSCHAFTEN der EIDGENÖSSISCHEN

Mehr

Inhaltsverzeichnis. Vorwort... Einleitung... Einführung... 1

Inhaltsverzeichnis. Vorwort... Einleitung... Einführung... 1 Vorwort... Einleitung... V VII Einführung... 1 1 Grundlagen... 7 1.1 Dokumentmodelle... 7 1.1.1 Multimedia... 8 1.1.2 Hypermedia... 9 1.1.3 Verteilung... 11 1.2 Geschichte des WWW... 13 1.2.1 Struktur...

Mehr

Efficient Design Space Exploration for Embedded Systems

Efficient Design Space Exploration for Embedded Systems Diss. ETH No. 16589 Efficient Design Space Exploration for Embedded Systems A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of Sciences presented by

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

Semantik-Visualisierung

Semantik-Visualisierung Semantik-Visualisierung Wibaklidama-Herbstworkshop Kawa Nazemi Fraunhofer IGD 3D-Wissenswelten und Semantik-Visualisierung Semantic Visualization semavis: Pipelines Visualization Semantics Layout Presentation

Mehr

2 Begriffliche und theoretische Grundlagen... 9

2 Begriffliche und theoretische Grundlagen... 9 Inhaltsverzeichnis Geleitwort... V Vorwort... VII Zusammenfassung... IX Inhaltsverzeichnis... XI Abbildungsverzeichnis... XVII Tabellenverzeichnis... XIX Abkürzungsverzeichnis... XXIII 1 Einführung...

Mehr

Anforderungsmanagement

Anforderungsmanagement Gerhard Versteegen (Hrsg.) Alexander Heßeier Colin Hood Christian Missling Renate Stücka Anforderungsmanagement Formale Prozesse, Praxiserfahrungen, Einführungsstrategien und Toolauswahl Springer Inhaltsverzeichnis

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

Methoden & Tools für die Expressionsdatenanalyse. Vorlesung Einführung in die Bioinformatik - Expressionsdatenanalyse U. Scholz & M.

Methoden & Tools für die Expressionsdatenanalyse. Vorlesung Einführung in die Bioinformatik - Expressionsdatenanalyse U. Scholz & M. Methoden & Tools für die Expressionsdatenanalyse U. Scholz & M. Lange Folie #7-1 Vorgehensmodell Expressionsdatenverarbeitung Bildanalyse Normalisierung/Filterung Datenauswertung U. Scholz & M. Lange Folie

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

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

FAKULTÄT FÜR INFORMATIK DER TECHNISCHEN UNIVERSITÄT MÜNCHEN

FAKULTÄT FÜR INFORMATIK DER TECHNISCHEN UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK DER TECHNISCHEN UNIVERSITÄT MÜNCHEN Master s Thesis in Wirtschaftsinformatik Anwenderunabhängige Flugdatenschnittstelle basierend auf Web Services am Beispiel der Flughafen München

Mehr

EINFÜHRUNG IN DIE WIRTSCHAFTSINFORMATIK -ÜBUNGEN- Marina Tropmann-Frick mtr@is.informatik.uni-kiel.de www.is.informatik.uni-kiel.

EINFÜHRUNG IN DIE WIRTSCHAFTSINFORMATIK -ÜBUNGEN- Marina Tropmann-Frick mtr@is.informatik.uni-kiel.de www.is.informatik.uni-kiel. EINFÜHRUNG IN DIE WIRTSCHAFTSINFORMATIK -ÜBUNGEN- Marina Tropmann-Frick mtr@is.informatik.uni-kiel.de www.is.informatik.uni-kiel.de/~mtr FRAGEN / ANMERKUNGEN Vorlesung Neue Übungsaufgaben MODELLIERUNG

Mehr

elearning 02.07.2004 SIGNAL project Hans Dietmar Jäger 1

elearning 02.07.2004 SIGNAL project Hans Dietmar Jäger 1 elearning The use of new multimedia technologies and the Internet to improve the quality of learning by facilitating access to resources and services as well as remote exchange and collaboration. (Commission

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

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen

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

Abbildungsverzeichnis. Tabellenverzeichnis. Algorithmenverzeichnis. Abkürzungsverzeichnis. Symbolverzeichnis

Abbildungsverzeichnis. Tabellenverzeichnis. Algorithmenverzeichnis. Abkürzungsverzeichnis. Symbolverzeichnis Carolin Kellenbrink Ressourcenbeschränkte Projektplanung für flexible Projekte Mit einem Geleitwort von Prof. Dr. Stefan Helber 4^ Springer Gabler Abbildungsverzeichnis Tabellenverzeichnis Algorithmenverzeichnis

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

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

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

Rückverfolgbarkeit von Lebensmitteln am Beispiel von Fleisch und Fleischwaren

Rückverfolgbarkeit von Lebensmitteln am Beispiel von Fleisch und Fleischwaren Lisa Lichtenberg Rückverfolgbarkeit von Lebensmitteln am Beispiel von Fleisch und Fleischwaren Eine empirische Analyse des Verbraucherverhaltens in Deutschland Verlag Dr. Kovac Hamburg 2013 Inhaltsverzeichnis

Mehr

Ressourcen-Beschreibung im Semantic Web

Ressourcen-Beschreibung im Semantic Web Ressourcen-Beschreibung im Semantic Web Cristina Vertan Inhaltsübersicht Wie sollen die Ressourcen für Semantic Web annotiert werden? Was ist und wie funktioniert RDF? Wie kodiert man RDF-Statements in

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

Contents. Interaction Flow / Process Flow. Structure Maps. Reference Zone. Wireframes / Mock-Up

Contents. Interaction Flow / Process Flow. Structure Maps. Reference Zone. Wireframes / Mock-Up Contents 5d 5e 5f 5g Interaction Flow / Process Flow Structure Maps Reference Zone Wireframes / Mock-Up 5d Interaction Flow (Frontend, sichtbar) / Process Flow (Backend, nicht sichtbar) Flow Chart: A Flowchart

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

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

Graphische Modellanalyse am Beispiel von Geschäftsprozessmodellen unter Verwendung der Graph Markup Language (GraphML)

Graphische Modellanalyse am Beispiel von Geschäftsprozessmodellen unter Verwendung der Graph Markup Language (GraphML) HOCHSCHULE HEILBRONN Hochschule für Technik Wirtschaft Informatik Studiengang Electronic Business (EB) Diplomarbeit (280000) Graphische Modellanalyse am Beispiel von Geschäftsprozessmodellen unter Verwendung

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

Data Mining als Arbeitsprozess

Data Mining als Arbeitsprozess Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining

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

Pfinder: Real-Time Tracking of the Human Body

Pfinder: Real-Time Tracking of the Human Body Pfinder: Real-Time Tracking of the Human Body Christopher Wren, Ali Azarbayejani, Trevor Darrell, Alex Pentland aus: IEEE Transactions on Pattern Analysis and Machine Intelligence (pp. 780-785) 12. April

Mehr

Universelle Benutzbarkeit und Barrierefreiheit bei Webseiten der breiten Masse und der öffentlichenhand

Universelle Benutzbarkeit und Barrierefreiheit bei Webseiten der breiten Masse und der öffentlichenhand Markus Tressl Universelle Benutzbarkeit und Barrierefreiheit bei Webseiten der breiten Masse und der öffentlichenhand Grundlagen, Erklärungen und Lösungswege zur Erstellung von behindertengerechten, gesetzeskonformen

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

Ihr Dienstleister für individuelle Softwareentwicklung und IT-Beratung

Ihr Dienstleister für individuelle Softwareentwicklung und IT-Beratung Social Collaboration 2013: Effizient, mobil, optimal integriert, sicher. Praxiserfahrungen - Strategien - Technologien WebApps Offline-capable Mobile Web Applications with XPages as an Alternative to Native

Mehr

Implementierung und Evaluierung von Video Feature Tracking auf moderner Grafik Hardware

Implementierung und Evaluierung von Video Feature Tracking auf moderner Grafik Hardware Implementierung und Evaluierung von Video Feature Tracking auf moderner Diplomarbeit vorgelegt von Sebastian Heymann Betreut von Prof. Dr. Bernd Fröhlich Bauhaus Universität t Dr. Aljoscha Smolic Fraunhofer

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

Deep Web Suchen wir was man finden könnte?

Deep Web Suchen wir was man finden könnte? Deep Web Suchen wir was man finden könnte? Dr. Dirk Lewandowski dirk.lewandowski@uni-duesseldorf.de www.durchdenken.de/lewandowski Gliederung Die Bedeutung des Deep Web Die Größe des Deep Web Strategien

Mehr

Text-Mining: Einführung

Text-Mining: Einführung Text-Mining: Einführung Claes Neuefeind Fabian Steeg 22. April 2010 Organisatorisches Was ist Text-Mining? Definitionen Anwendungsbeispiele Textuelle Daten Aufgaben u. Teilbereiche Literatur Kontakt Sprechstunde:

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

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

Web Mining und Farming

Web Mining und Farming Web Mining und Farming Shenwei Song Gliederung Übersicht über Web Mining und Farming Web Mining Klassifikation des Web Mining Wissensbasierte Wrapper-Induktion Web Farming Übersicht über Web-Farming-Systeme

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

Seminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006

Seminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006 Seminar Informationsintegration und Informationsqualität TU Kaiserslautern 30. Juni 2006 Gliederung Autonomie Verteilung führt zu Autonomie... Intra-Organisation: historisch Inter-Organisation: Internet

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

Recommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006

Recommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006 Recommender Systems Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006 Inhalt 1 - Einführung 2 Arten von Recommender-Systemen 3 Beispiele für RCs 4 - Recommender-Systeme und

Mehr

Semantic Wiki Eine Erweiterung des Wiki-Konzepts von Harald Cichos

Semantic Wiki Eine Erweiterung des Wiki-Konzepts von Harald Cichos Semantic Wiki Eine Erweiterung des Wiki-Konzepts von Harald Cichos Seminar: Semantic Web Wintersemester 2005/2006 Universität Jena Seminarleiter: Prof. Dr. C. Beckstein, Dr. H. Sack, Dipl.-Inform. H. Peter

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