Warum gefällt uns ein Foto?
|
|
- Helmuth Fertig
- vor 7 Jahren
- Abrufe
Transkript
1 Warum gefällt uns ein Foto? Möglichkeiten und Grenzen der automatischen Bewertung von Ästhetik Philipp Sandhaus Seite 1
2 Warum gefällt uns ein Foto? 2
3 Semantische Lücke bei der Bildbewertung Bottom Up high level semantics model-driven user-driven Semantic Gap data-driven featuredriven usage-driven low level semantics content 3 context Top Down
4 Bottom-Up Ansätze Frühe Ansätze: Bivariate Bewertung Wieviel schlechter ist ein Bild im Vergleich zum anderen? in erster Linie für die automatische Bewertung von Kompressionsalgorithmen [Skicioglu1995] Image quality measures and their performance Später: Monovariate Bewertung Wie qualitativ gut ist ein Bild? [DAMERA-VENKATA 2004] Image Quality Assessment Based on a Degradation Model. [Ke2006] The Design of High-Level Features for Photo Quality Assessment Grundsätzliches Vorgehen meist Identifizieren der Merkmale, die für die Qualitätsbewertung relevant sein könnten Entwickeln von Verfahren zur Extraktion dieser Merkmale 4
5 Beispiel: Vom Merkmal zum Image Feature Merkmal Tiefenschärfe Kantendetektion z.b. Sobel, Wavelets Unterscheidung zwischen Bewegungs- und Fokusunschärfe Modelle für Visuelle Aufmerksamkeit Z.B. Itti/Koch Berechnung, der Schärfentiefe aus Kombination von Brennweiten und Blendeninformationen Exif-Daten 5
6 Top-Down Ansatz Ausgangspunkt Es gibt bestimmte Eigenschaften und Merkmale, die von Experten als Hinweise auf ein ästhetisches Bild gesehen werden Wie genau und ob diese Merkmale einen geeigneten Hinweis geben, ist dabei größtenteils unklar Ansatz Basis: etwa 3500 community-bewertete Fotos der Platform photo.net Visuelle Analyse dieser Bilder auf bestimmte Eigenschaften, die einen Hinweis auf den Grad der Ästhetik liefern könnten Insgesamt 64 verschiedene Features Automatisches Bestimmen relevanter Eigenschaften durch Abgleich mit Bewertungen Studying Aesthetics in Photographic Images Using a Computational Approach. Datta
7 Bottom-Up Ansatz Untersuchte Merkmale (AUswahl) Exposure of Light & Colorfulness Sättigung Rule of Thirds Textur / Schärfe Seitenverhältnis Schärfentiefe Formen, Konvexität Aussagekräftige Merkmale / Ergebnis (Auswahl) Durchschnittliche Helligkeit Dreierregel auf Basis von Helligkeit Ähnlichkeit zu verwandten Bildern Studying Aesthetics in Photographic Images Using a Computational Approach. Datta
8 Was ist für mich ein gutes Bild? " Was wollen wir wissen? " Ist das Bild qualitativ gut? " Ist es wichtig für mich? " Gibt es bessere? "... " Multimodale Analyse " Nutzung " Ich habe dieses Bild öfter als andere angeschaut " Inhalt " Scharf? Bildkomposition? Farbbalance? Belichtung " Kontext Wie sehen andere Fotos aus? Soziale Netzwerke, Kommentare, Likes, [Luo2006] Pictures are not taken in a vacuum 8
9 Multimodal Photo Analysis 9 Inhalt Nutzung Kontext Image Salience Usage Importance Social Importance Similarity Score Person Importance Semantic Enrichment Face Detection Edge Detection Saliency Map Texture & Color Histogram Image header Social Network Context Photo history analysis Sharpness Analysis Person Recognition Augmented Saliency Map Similarity Exposure Analysis Light Condition Analysis...
10 Fotonutzung Ausgangsthese Die Nutzungshistorie eines Mediums reflektiert seine Semantik Informationen, die nicht oder nur sehr schwer aus dem Inhalt oder Kontext extrahiert werden können --> Potentiell wertvolle Quelle für semantische Fotoannotation Vorgehen Untersuchen und Strukturieren verschiedener Nutzungsarten Analyse auf Potential zur Ableitung von Semantiken für Fotos Exemplarische Untersuchung durch Nutzerstudien [Sandhaus2008a] 10
11 Fotonutzung - Nutzerstudie Fragestellung Gibt es einen Zusammenhang zwischen der Betrachtungszeit eines Fotos und der Auswahl für ein Fotobuch? Studie Erfassen der Betrachtungszeiten am Laptop bei zwei Nutzergruppen Vergleich mit zuvor erstellen Fotoalbenauswahlen Ergebnis Kein direkter Zusammenhang Zusammen auf Eventebene Lang betrachtete Ergeignisse sind auch im Fotoalbum repräsentiert [Sandhaus2008a] 11
12 Kontext: Soziales Netzwerk " Ziele " Ableiten der sozialen Nähe zweier Fotos " Bestimmen der personenbezogenen Wichtigkeit " Gruppierung von Fotos nach sozialem Netz Ansatz Gesichtsdetektion und -erkennung Ableiten eines Beziehungsgraphen Häufigkeit gemeinsames Vorkommen Räumliche Nähe Anzahl anderer Personen auf Fotos 12
13 Anwendung: Auswahl für ein Fotobuch Selection Selektierte, gruppierte Fotos Cluster / Event Rating Duplicate Detection Clustering Photo Rating Semantisch angereicherte Fotos 13
14 Clustering " Ziel " Bestimmen von zusammenhängenden Ereignissen innerhalb eines Fotosets " Grösse eines Ereignisses ist auch abhängig von dem verfügbaren Platz im Fotobuch Selection Ansatz " Gruppieren von Fotos auf Basis von verfügbaren Metadaten " Zeit " Ort " Visuelle Ähnlichkeit Cluster / Event Rating Clustering Duplicate Detection Rating 14
15 Cluster / Event Rating " Motivation " Einige Ereignisse sind wichtiger als andere " Ein wichtiges Ereignis kann trotzdem eher schlechte Fotos enthalten, die dann trotzdem ausgewählt werden sollten Selection " Kriterien " Größe des Ereignisses " Zeitabstände innerhalb eines Ereignisses " Bildähnlichkeit " Zeitliche und inhaltliche Nähe zu Nachbarereignissen Cluster / Event Rating Clustering Duplicate Detection Photo Rating 15
16 Photo Rating " Inhalt " Belichtung " Farbreichtum " Schärfe " Visuelle Ausgewogenheit " " Kontext " Zeitliche und inhaltliche Nähe zu Nachbarbildern " (Wichtige) Personen " " Nutzung " Bewertungen, likes, Kommentare,... Cluster / Event Bewertung Clustering Selection Duplicate Detection Photo Rating 16
17 Duplicate Detection " Bestimmen von Gruppen von Near-Duplicates " Das beste Foto einer Reihe als Repräsentant eines Ereignisses auswählen Selection Cluster / Event Rating Duplicate Detection Clustering Photo Rating 17
18 Grenzen automatischer Bildbewertung Voraussetzung für ein algorithmisches Bewertungsverfahren ist 1. Es ist bekannt, welche Merkmale ein Bild ansprechend machen 2. Diese Merkmale sind (mehr oder weniger zuverlässig) messbar -> Dies ist vielen Fällen nicht der Fall Subjektivität Ästhetik liegt im Auge des Betrachters Subjektiver Bildkontext Grenzen sind fliessend Nur kleine Veränderungen können den gesamten Bildeindruck verändern Diese Unterschiede sind mit ohnehin unscharfen Verfahren oft nicht messbar Seite 18
Effizientes Fotomanagement auf Basis automatisierter Bildanalyse
Effizientes Fotomanagement auf Basis automatisierter Bildanalyse Am Beispiel der Technologie Photo Summary Uwe Kühhirt Gruppe Audiovisuelle Systeme Fraunhofer IDMT, Ilmenau uwe.kuehhirt@idmt.fraunhofer.de
MehrBewertungsmöglichkeiten für die persönliche Relevanz eines Fotos
Bewertungsmöglichkeiten für die persönliche Relevanz eines Fotos Sabine Thieme CEWE Seite 1 Ein Fotohaufen soll ins CEWE FOTOBUCH! Seite 2 Ziel : (Halb-) Automatische Bewertungsmöglichkeiten zur Auswahl
MehrCaliph & Emir. Retrieval und Annotation von digitalen Photos mit MPEG-7. Mathias Lux
Caliph & Emir Retrieval und Annotation von digitalen Photos mit MPEG-7 Mathias Lux mlux@know-center.at - gefördert durch das Kompetenzzentrenprogramm Overview Einleitung Geschichtliches Annotation mit
MehrInhalt und Überblick. Visuelle Kognition Adrian Schwaninger Universität Zürich. Erkennung und Repräsentation Ansichtenbasierte Ansatze Überblick
Einleitung Visuelle Kognition Adrian Schwaninger Universität Zürich Inhalt und Überblick Repräsentation, Erkennung, Kategorisierung Traditioneller Ansatz Strukturelle Beschreibungen Ansichtenbasierte Modelle
MehrNavigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform. Thorsten Jost INF-M2 AW1 Sommersemester
Navigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform Thorsten Jost INF-M2 AW1 Sommersemester 2008 Agenda Motivation Feature Detection Beispiele Posenbestimmung in Räumen
MehrInhalt und Überblick. Visuelle Kognition WS 2001/2002 Adrian Schwaninger
Visuelle Kognition WS 2001/2002 Adrian Schwaninger Nonaccidental Properties Argumente pro Nonaccidental Properties Einleitung Inhalt und Überblick Repräsentation, Erkennung, Kategorisierung Traditioneller
MehrProjektpraktikum MultimediaGrid
Projektpraktikum MultimediaGrid WS 2005/06 Carsten Saathoff Bernhard Tausch Agenda Motivation Aufgaben Zeitplan Vortragsthemen Auswahl des Managements Motivation Grid Wikipedia: Grid computing offers a
MehrMultimedia trifft Mensch-Technik-Interaktion
Multimedia trifft Mensch-Technik-Interaktion 5. Juni 2015 Multimedia und MTI in Oldenburg Universität Oldenburg Abteilung Medieninformatik und Multimedia Systeme OFFIS Institut für Informatik Vorstand
MehrStephan Filipczyk. Relevance Feedback. Seminar Bridging the Semantic Gap
Stephan Filipczyk Relevance Feedback Seminar Bridging the Semantic Gap Übersicht Motivation Komponenten und Funktionsweise Ausprägungen Voraussetzungen und Herausforderungen Fragen Seminar "Bridging the
MehrProjektgruppe. Clustering und Fingerprinting zur Erkennung von Ähnlichkeiten
Projektgruppe Jennifer Post Clustering und Fingerprinting zur Erkennung von Ähnlichkeiten 2. Juni 2010 Motivation Immer mehr Internet-Seiten Immer mehr digitale Texte Viele Inhalte ähnlich oder gleich
MehrVisuelle Bildsuche und Bildnavigation. Prof. Dr. Kai Uwe Barthel
Visuelle Bildsuche und Bildnavigation Prof. Dr. Kai Uwe Barthel Übersicht Probleme der Bildsuche Textbasierte Bildsuche Visuelle (Low-Level-)Bildsuche Fusion der Suchprinzipien Automatisches Bildverstehen
MehrErfolg durch Wissen. Petershauser Straße 6, D Hohenkammer
Erfolg durch Wissen www.analyticalsemantics.com Petershauser Straße 6, D-85411 Hohenkammer Plattform der Analytical Semantics AG Funktionsweise und Plattform Prozess der Informationslogistik Lösungen für
MehrPersonenerkennung. Harald Hauptseminarpräsentation. Harald Kirschenmann. Department Informatik. Department Informatik.
Harald Hauptseminarpräsentation Kirschenmann Personenerkennung 1 Inhaltsübersicht Motivation Grundlagen Benchmark Eigene Gesichtserkennung 2 Motivation Baustein einer Microservice Architektur Personenerkennung
MehrVorlesung Maschinelles Lernen
Vorlesung Maschinelles Lernen LACE Katharina Morik LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität Dortmund 28.1.2014 1 von 71 Gliederung 1 Organisation von Sammlungen Web 2.0
MehrImplizite Modellierung zur Objekterkennung in der Fernerkundung
Implizite Modellierung zur Objekterkennung in der Fernerkundung Mitarbeiterseminar 20.01.2011 (IPF) Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften KIT Universität des Landes Baden-Württemberg
MehrInhalt und Überblick. Visuelle Kognition Adrian Schwaninger Universität Zürich
Einleitung Visuelle Kognition Adrian Schwaninger Universität Zürich Inhalt und Überblick Repräsentation, Erkennung, Kategorisierung Traditioneller Ansatz Ansichtenbasierte Modelle Diskussion Gesichterwahrnehmung
MehrHuman Detection Based On Part Models
Human Detection Based On Part Models Seminar: Mobile Human Detection Systems William Basilien Kom MatrNr: 3098186 Institute of Computer Engineering 13. März 2017 1 / 25 Motivation 2 / 25 Inhaltsverzeichnis
MehrInhalt und Überblick. Visuelle Kognition. Visuelle Kognition WS 2001/2002 Adrian Schwaninger
Einleitung WS 2001/2002 Adrian Schwaninger Inhalt und Überblick Repräsentation, Erkennung, Kategorisierung Traditioneller Ansatz Strukturelle Beschreibungen Ansichtenbasierte Modelle Diskussion Gesichterwahrnehmung
MehrCompanion Technologie
Companion Technologie Emotionen erkennen, verstehen und kai.bielenberg@haw-hamburg.de Agenda 1. Einleitung a. Was war nochmal Companion Technologie? b. Teilbereiche c. Warum Emotionen? 2. Ansätze a. Facial
MehrVL Wahrnehmung und Aufmerksamkeit. Woher weiß ich, was das ist? Objektwahrnehmung
VL Wahrnehmung und Aufmerksamkeit Woher weiß ich, was das ist? Objektwahrnehmung Was ist das? Was ist das? Was ist das? Oft hilft Verdeckung bei Erkennung. http://www.blelb.ch/deutsch/blelbspots/spot21/blelbspot21_de.htm
MehrMultimedia-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
MehrSemantik-Visualisierung
Semantik-Visualisierung 2. Potsdamer I-Science Tag Dirk Burkhardt Fraunhofer IGD Abteilung Echtzeitlösungen für Simulation und Visual Analytics Fraunhoferstraße 5 64283 Darmstadt Germany Tel. +49 (0)6151
MehrInhalt und Überblick
Einleitung Visuelle Kognition Adrian Schwaninger Universität Zürich Inhalt und Überblick Repräsentation, Erkennung, Kategorisierung Traditioneller Ansatz Strukturelle Beschreibungen Ansichtenbasierte Modelle
MehrMultimedia-Metadaten und ihre Anwendung
Multimedia-Metadaten und ihre Anwendung 14.02.2006 Automatische Gesichtserkennung Dominikus Baur Gesichtserkennung in MPEG-7 MPEG-7 bietet Face Descriptor zur Beschreibung von Gesichtern Im Folgenden:
MehrUntersuchung der medialen Darstellung des Amoklaufs in Erfurt und dessen Wirkung auf die Mediennutzung
Universität zu Köln Seminar für Soziologie Untersuchung der medialen Darstellung des Amoklaufs in Erfurt und dessen Wirkung auf die Mediennutzung Forschungsprojekt: Mediennutzung, sozialer und medialer
MehrThe accredited Sample Assessment Materials, used in conjunction with the General instructions to the teacher conducting the assessment and the
The accredited Sample Assessment Materials, used in conjunction with the General instructions to the teacher conducting the assessment and the sequencing grid (GCSE German Sample Assessment Materials,
MehrSoftware-Defined Secure Networks. Juniper s Innovation für Secure Enterprise Networks
Software-Defined Secure Networks Juniper s Innovation für Secure Enterprise Networks Software-Defined Secure Networks Was bedeutet das? Software-Defined Secure Networks (SDSN) ist Juniper s Vision der
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:
MehrStructure-from-Motion. Christina Mundhenk Leo Sylvio Rüdian Marcel Kliemannel
Structure-from-Motion Christina Mundhenk Leo Sylvio Rüdian Marcel Kliemannel Fahrplan Structure-from Motion Workflow mit SIFT & Bundle Adjustment mit SURE Probleme/ Grenzen Technik Metrik und Vergleich
MehrVorlesung Datenbanken II SS 2006
Vorlesung Datenbanken II SS 2006 1 Vorlesung Datenbanken II SS 2006 Sven Wachsmuth, Technische Fakultät, AG Angewandte Informatik Vorlesung Datenbanken II SS 2006 2 Suche in Bilddatenbanken Verschlagwortete
MehrAutomatische Analyse und Exploration von Mediendaten. Prof. Dr. Ralph Ewerth Technische Informationsbibliothek (TIB)
Automatische Analyse und Exploration von Mediendaten Prof. Dr. Ralph Ewerth Technische Informationsbibliothek (TIB) Relevante Forschungsthemen Automatische Annotation & semantische Suche (Bilder, Video,
MehrTwitter als interaktive Erweiterung des Mediums Fernsehen: Inhaltliche Analyse von Tatort- Tweets
Twitter als interaktive Erweiterung des Mediums Fernsehen: Inhaltliche Analyse von Tatort- Tweets Manuel Burghardt 1, Heike Karsten 2, Melanie Pflamminger 2 und Christian Wolff 1 Lehrstuhl für Medieninformatik
MehrScene Reconstruction with Multiple View Geometry
Scene Reconstruction with Multiple View Geometry Anwendungen 2 16.06.2010 Nikolaus Rusitska nikolausrusitska@gmx.de Inhalt Rückblick Techniken Related Work Fazit 1 Rückblick Techniken Related Work Fazit
MehrKann SAS Ihre Handschrift lesen? Machine Learning am Beispiel von Stacked Denoising Autoencoders
Kann SAS Ihre Handschrift lesen? Machine Learning am Beispiel von Stacked Denoising Autoencoders Gerhard Svolba SAS Austria Mariahilfer Straße 116 A-1070 Wien Sastools.by.gerhard@gmx.net Zusammenfassung
MehrAllgemeine Psychologie I. Vorlesung 3. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Allgemeine Psychologie I Vorlesung 3 Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg 1 Allgemeine Psychologie I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der
MehrObjektorientierte Bildverarbeitung Methodische Grundlagen
ARC GmbH Objektorientierte Bildverarbeitung Methodische Grundlagen Klaus Steinnocher, Florian Kressler klaus.steinnocher@arcs.ac.at Geschäftsfeld Umweltplanung ARC http://www.arcs.ac.at/s 1 ARC GmbH Einleitung!
MehrModellierung von Unsicherheiten in klassifizierten, räumlich hoch aufgelösten Fernerkundungsszenen
Modellierung von Unsicherheiten in klassifizierten, räumlich hoch aufgelösten Fernerkundungsszenen Jochen Schiewe 1 Manfred Ehlers 2 Christoph Kinkeldey 1 Daniel Tomowski 2 1HafenCity Universität g2lab
MehrDesign for Six Sigma - DMADV. www.servicelevel.de
Design for Six Sigma - DMADV Projekt-Vorgehensmodell zur Konstruktion kundenwahrnehmbarer Leistungen mit Service Level Agreements (SLA) Beschreibt Ansatz und Vorgehen, um Kundenanforderungen zunächst messbar
MehrMathematische Grundlagen III
Mathematische Grundlagen III Maschinelles Lernen III: Clustering Vera Demberg Universität des Saarlandes 7. Juli 202 Vera Demberg (UdS) Mathe III 7. Juli 202 / 35 Clustering vs. Klassifikation In den letzten
MehrModell-Differenzen zur Änderungserkennung in großen Modellen
Modell-Differenzen zur Änderungserkennung in großen Modellen Phil Hebborn Agenda Motivation Grundlagen von Modell-Differenzen Modellieren mit EMF Der SiDiff-Algorithmus SiLift 2 Motivation Große Projekte
MehrSemantische Suche im audiovisuellen Kulturerbe Das Projekt mediaglobe
Semantische Suche im audiovisuellen Kulturerbe Das Projekt mediaglobe Johannes Hercher Hasso-Plattner-Institut für Sofwaresystemtechnik GmbH Teile dieser Arbeit werden vom Bundesministerium für Wirtschaft
MehrProjektgruppe. FG Engels. Enthält eine zusätzliche Folie. Fabian Christ, Benjamin Nagel, Henning Wachsmuth. Anmeldung bis 28.
Enthält eine zusätzliche Folie Projektgruppe Fabian Christ, Benjamin Nagel, Henning Wachsmuth FG Engels Bereich SWT Anmeldung bis 28. Februar 2010 28. Januar 2010 1 Softwarespezifikation in der Praxis...
MehrWeitere Methoden. Beispiel Risikoindikatoren
Weitere Methoden Interne Daten reichen als einzige Datenquelle nicht aus Andere Modelle sollten vorhandenes Wissen, insbesondere Prognosen berücksichtigen Gemischte Ansätze verbinden quantitatives und
Mehr2. Schnitterkennung Video - Inhaltsanalyse
2. Schnitterkennung Video - Inhaltsanalyse Stephan Kopf Definition: Schnitt Schnitte (cut) liefern Informationen über den Produktionsprozess eines Filmes. trennen kontinuierliche Aufnahmen, die als Kameraeinstellungen
Mehr(Bamberg)
Konzeption eines Frameworks für die Evaluation von Tag-Suggestion-Algorithmen Martin Garbe Steffen Oldenburg Lukas Zielinski Prof. Dr. Clemens Cap (Universität Rostock) 08.05.2008 (Bamberg) Übersicht Tags
MehrUbiquitous RE: Barrieren niederreißen. Karina Villela, Marcus Trapp, Jörg Dörr
Ubiquitous RE: Barrieren niederreißen Karina Villela, Marcus Trapp, Jörg Dörr GI RE, 24.11.2017 Kontext Industry Farming Mobility Health Energy Rural Areas u.v.m. 2 Digitale Transformation Digitization
MehrNeue Ansätze für Mustererkennung und automatisches Lernen
Z Y X Neue Ansätze für Mustererkennung und automatisches Lernen Vortrag im Rahmen des 2. Technologieforums Bildverarbeitung am 03./04. November 2015 Johannes Zügner STEMMER IMAGING GmbH, Puchheim GLIEDERUNG
MehrData Mining 2-1. Kapitel 2: Finding Similar Items. Johannes Zschache Wintersemester 2018/19
Data Mining Kapitel 2: Finding Similar Items Johannes Zschache Wintersemester 28/9 Abteilung Datenbanken, Universität Leipzig http://dbs.uni-leipzig.de Data Mining 2- WS 28/9 2-2 Data Mining WS 28/9 Übersicht
MehrAhnlichkeitsbestimmung von Bildern
Seminar: Content Based Image Retrieval Lehrstuhl fur Mustererkennung und Bildverarbeitung 10. Januar 2005 Ubersicht Einfuhrung Problemstellung: Vergleiche Merkmale verschiedener Bilder und bewerte deren
MehrSuperpixels for Skin Segmentation
Farbworkshop Wuppertal 2014 1 Superpixels for Skin Segmentation Frerk Saxen und Ayoub Al-Hamadi 2 Fachgebiet Neuro-Informationstechnik Unter Leitung von Prof. Ayoub Al-Hamadi 18 Mitarbeiter Davon 12 Doktoranden
MehrVON NATIVE ÜBER AD SPECIALS ZU INFLUENCERN UND DATA
S E P T E M B E R 2 0 1 8 VON NATIVE ÜBER AD SPECIALS ZU INFLUENCERN UND DATA WAS WIRKT WIE? Influencer 2 LETZTES JAHR ZUR GLEICHEN ZEIT SPRACHEN WIR ÜBER AUFMERKSAMKEIT 3 VON DER AUFMERKSAMKEIT ZUM EXPERIENCE
MehrNeue Trends aus dem maschinellen Lernen in Photogrammetrie und Fernerkundung. Jan Dirk Wegner Photogrammetry and Remote Sensing, ETH Zürich
Neue Trends aus dem maschinellen Lernen in Photogrammetrie und Fernerkundung Jan Dirk Wegner Photogrammetry and Remote Sensing, ETH Zürich 1 Worum geht es? 2 Worum geht es? Jolanda Jan Bilderbuch 3 Worum
MehrCorporate Smart Content im Corporate Semantic Web
Corporate Smart Content im Corporate Semantic Web Prof. Dr. Adrian Paschke und Fraunhofer FOKUS #DKT16, Humboldt Universität Berlin, 11.10.2016 Corporate Semantic Web "Das Corporate Semantic Web fokussiert
MehrExtraktion der Tabellen aus XML-Dokumenten und Erkennung deren Semantik. Exposé zur Bachelorarbeit
Extraktion der Tabellen aus XML-Dokumenten und Erkennung deren Semantik Exposé zur Bachelorarbeit eingereicht von Irina Glushanok 23.04.2015 1 Einführung Um eine bequeme Suche nach passender Literatur
MehrSAS Text Analytics findet Zusammenhänge in Texten Ergebnisse eines Selbstversuchs
Text Analytics SAS Text Analytics findet Zusammenhänge in Texten Ergebnisse eines Selbstversuchs Gerhard Svolba SAS Austria Mariahilfer Straße 116 A-1070 Wien Sastools.by.gerhard@gmx.net Zusammenfassung
MehrKünstliche Intelligenz
Künstliche Intelligenz Data Mining Approaches for Instrusion Detection Espen Jervidalo WS05/06 KI - WS05/06 - Espen Jervidalo 1 Overview Motivation Ziel IDS (Intrusion Detection System) HIDS NIDS Data
MehrIntroduction to the ESPON TIA Quick Check. Erich Dallhammer (ÖIR), Roland Gaugitsch (ÖIR)
Introduction to the Erich Dallhammer (ÖIR), Roland Gaugitsch (ÖIR) Wien, 12 th Dezember 2018 The Challenge EU policy proposals influence development of different regions differently territorial effects
MehrGeovisualisierung: Wie aus Daten Informationen werden. Doris Dransch Helmholtz Zentrum Potsdam Deutsches GeoForschungsZentrum (GFZ)
Geovisualisierung: Wie aus Daten Informationen werden Doris Dransch Helmholtz Zentrum Potsdam Deutsches GeoForschungsZentrum (GFZ) Agenda Situation in den Geowissenschaften Geovisualisierung und Visual
MehrAuswertung der Simulationen von Transportsystemen
Fakultät Informatik, Institut für Angewandte Informatik, Professur TIS Hauptseminar Technische Informationssysteme Reik Zettl Dresden, 29.01.2009 Gliederung 1. Motivation 2. 3. 4. 5. 6. Folie 2 von 39
MehrSongSlope. Supporting Music Association Through Usage Histories. Abschlussvortrag Projektarbeit
Abschlussvortrag Projektarbeit Supporting Music Association Through Usage Histories Betreuer: Dominikus Baur Verantw. Hochschullehrer: Prof. Dr. Andreas Butz Aufgabenstellung Einbindung der History eines
MehrBegriffe zum Risiko. Quelle: ONR 49000:2008. Risikomanagement 2011 Projekt Ragus / Sojarei Mag. Michael Forstik Unternehmensberatung 7210 Mattersburg
Begriffe zum Risiko Quelle: ONR 49000:2008 Grundlegende Begriffe Quelle / Ursache Geschehen Exposition Beschreibung Bedeutung/Effekt Bedrohung Chance Entwicklung (allmählich) Mensch Sache Szenario Auswirkung
MehrSeminar Datenbanksysteme
Seminar Datenbanksysteme Recommender System mit Text Analysis für verbesserte Geo Discovery Eine Präsentation von Fabian Senn Inhaltsverzeichnis Geodaten Geometadaten Geo Discovery Recommendation System
MehrTim Krämer. Archimetrix - Improved Software Architecture Recovery in the Presence of Design Deficiencies. 08. Mai 2013
Tim Krämer 7kraemer@informatik.uni-hamburg.de Archimetrix - Improved Software Architecture Recovery in the Presence of Design Deficiencies 08. Mai 2013 Tim Krämer, 7kraemer@informatik.uni-hamburg.de Universität
MehrEntwicklung eines Anzeige- und Bedienkonzeptes für die Nutzung mehrerer großvolumiger Musikdatenquellen im Automobil
Seite 1 Entwicklung eines Anzeige- und Bedienkonzeptes für die Nutzung mehrerer großvolumiger Musikdatenquellen im Automobil München April 2010 Freude am Fahren Seite 2 Thema. Entwicklung eines Anzeige-
MehrMonitoring. Vertrauen ist gut, Kontrolle ist... Mathias Brandstetter Trend Micro Deutschland GmbH
Monitoring Vertrauen ist gut, Kontrolle ist... Mathias Brandstetter Trend Micro Deutschland GmbH Agenten Verfügbarkeit Issue Erreichbarkeit Topologie Discovery SNMP Überwachung Alarm Deduplexing Monitoring
MehrMultimedia-Metadaten und ihre Anwendung
Multimedia-Metadaten und ihre Anwendung 14.02.2006 Farb- und Textur-Extraktion und -Deskription nach MPEG-7 Wolfgang Spießl Gliederung 1. Einführung zu Farbdeskriptoren 2. Extraktion und Deskription von
MehrRisikomanagement. Schaden
management Eine sehr kurze Einführung 1 Physische Verletzung oder Schädigung der Gesundheit von Menschen oder Schädigung von Gütern oder der Umwelt 2 1 Gefährdung und Gefährdungssituation Gefährdung potentielle
MehrClustering von Internetdiensten für aktive Ontologien
Clustering von Internetdiensten für aktive Ontologien Masterarbeit Philipp Lingel Betreut von Martin Blersch und Mathias Landhäußer IPD Tichy, Fakultät für Informatik KIT Universität des Landes Baden-Württemberg
MehrAlgorithmischer Ansatz nach David Marr
Universität Konstanz Algorithmischer Ansatz nach David Marr 19. Mai 2005 Algorithmischer Ansatz Computational theory Was ist das Ziel der Berechnung? Abstrakte, aufgabenorientierte Definition kognitiver
MehrIntelligentes Enterprise Information Management (EIM)
Intelligentes Enterprise Information Management (EIM) Franz Schreiber... verborgenes Wissen produktiv machen Durch Optimierung von Dokumenten und Informationen zum intelligenten EIM DM Dokumenten Management
MehrIn 8 Schritten zur Content-Strategie. Live-Webinar mit Babak Zand
In 8 Schritten zur Strategie Live-Webinar mit Babak Zand Babak Zand Blogger & Stratege www.babak-zand.de @bazakom Agenda Warum eigentlich Strategie? Wie entwickle ich eine gute Strategie? Wie finde ich
MehrVertiefte Themen in Mobilen und Verteilten Systemen
Seminar Vertiefte Themen in Mobilen und Verteilten Systemen Veranstalter: Prof. Dr. Linnhoff-Popien Durchführung: Marie Kiermeier, Sebastian Feld Seminar Trends in Mobilen und Verteilten Systemen Folie
MehrSeminar : Information Retrieval Plagiaterkennung. Allgemeines Algorithmische Plagiaterkennung
Seminar: Information Retrieval Christoph Rauwolf 1 Allgemeines Algorithmische Ansätze Intrinsische Verfahren Extrinsische Verfahren Allgemeiner Ablauf Beispiele für Verfahren Verfahren von Efstathios Stamatatos
MehrSocial Media Marketing Kleines Budget - Große Wirkung? Hendrik Unger Münster
Social Media Marketing Kleines Budget - Große Wirkung? Hendrik Unger Münster 06.03.2018 36grad.de Seite 1 Hendrik Unger 28 Jahre, Generation Y, Digital Native Social Media Experte & Geschäftsführer von
MehrBewegungsplanung für den vierbeinigen Roboter AMEE. Björn Bettzüche
Bewegungsplanung für den vierbeinigen Roboter AMEE Einleitung Vergleichbare Arbeiten Zusammenfassung Referenzen Projekt AMEE SAR 4 intelligente Beine SLAM Sicheres Navigieren 4 [5] 5 Bildbasiert zu ungenau
MehrAutomatic Facial Expression Analysis with
Diss. ETH No. 15722 Automatic Facial Expression Analysis with Data-Driven Methods A dissertation submittedto the SWISS FEDERAL INSTITUTEOF TECHNOLOGYZÜRICH for the degree of Doctor of Sciences presented
MehrLisa-Marie Lenk. im Sozial- und. Am Beispiel des Genderaspekts
Lisa-Marie Lenk Diversity-Management im Sozial- und Gesundheitswesen Am Beispiel des Genderaspekts Verlag Traugott Bautz GmbH Vorwort 12 1 Einleitung 14 1.1 Relevanz und Abgrenzung der Fragestellung 14
MehrSAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH
SAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH GERHARD SVOLBA COMPETENCE CENTER ANALYTICS WIEN, 17. NOVEMBER 2015 SAS CONTEXTUAL ANALYSIS 14.1 EIN BLICK IN DIE PRODUKTBESCHREIBUNG
MehrINTELLIGENTE DATENANALYSE IN MATLAB. Objekterkennung
INTELLIGENTE DATENANALYSE IN MATLAB Objekterkennung Objekterkennung Problemstellung Gegeben: Ein Bild. Fragestellungen: Klassifikationsproblem Ist ein bestimmtes Objekt (z.b. Flugzeug) auf dem Bild? Welches
MehrSuche nach korrespondierenden Pixeln
Suche nach korrespondierenden Pixeln Seminar Algorithmen zur Erzeugung von Panoramabildern Philip Mildner, Gliederung 1. Motivation 2. Anforderungen 3. Moravec Detektor 4. Harris Detektor 5. Scale Invariant
MehrTextextraktion aus nichttextuellen Datenquellen
Textextraktion aus nichttextuellen Datenquellen 1/17 Motivation Im WWW sind viele nichttextuelle Datenquellen verfügbar PostScript (PS und PDF) Wordprozessor (z.b. DOC, RTF) Bilder (z.b. GIF, JPG) Potentiell
MehrOntologies are us: A unified model of social networks and sema
Ontologies are us: A unified model of social networks and semantics 30. Juni 2009 Inhaltsverzeichnis 1 Einführung Begriffsklärung 2 Folksonomien Anreicherung von Ontologien 3 Ontology emergence in del.icio.us
MehrDetecting 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
MehrSprachsteuerung für einen ROS-basierten Assistenzroboter
Masterseminar WS 2014/2015 04.11.2014 Sprachsteuerung für einen ROS-basierten Assistenzroboter Mosawer Ahmad Nurzai M-INF3 Agenda Einführung Arbeiten Projekt 1 Sprachsteuerungsinterface Projekt 2 Unterstützende
MehrInhalt und Überblick. Visuelle Kognition WS 2001/2002 Adrian Schwaninger. Visuelle Kognition. Einleitung
WS 2001/2002 Adrian Schwaninger Visuelle Aufmerksamkeit Visual Search: Distributed, parallel, pop-out Inhalt und Überblick Einleitung Repräsentation, Erkennung, Kategorisierung Traditioneller Ansatz Strukturelle
MehrKompendium semantische Netze
Klaus Reichenberger Kompendium semantische Netze Konzepte, Technologie, Modellierung Inhaltsverzeichnis 1 Warum dieses Buch? 1 1.1 Was erwartet Sie in diesem Buch? I 2 Grundlagen semantischer Netze 3 2.1
MehrAutomatische Erkennung von Fortbewegungsmitteln AW2. Christian Wagner
Automatische Erkennung von Fortbewegungsmitteln AW2 Christian Wagner 11.06.2009 Agenda Einführung ins Thema Ziel Ansätze Forschungsbereich: Sensor Fusion Projekte Techniken Einordnung der Arbeit Ziele
MehrDie Hurtigruten-Fotofibel,Teil 4 Blende, Verschlusszeit, ISO. Powered by Insidenorway Und Alexandra von Gutthenbach-Lindau
Die Hurtigruten-Fotofibel,Teil 4 Blende, Verschlusszeit, ISO Powered by Insidenorway Und Alexandra von Gutthenbach-Lindau Wofür sind Blende, Verschlusszeit und ISO wichtig? Blende. Die Wahl der Blende
MehrExtraktion von Takt und Rhythmus
Universität Dortmund, LS XII Musik als Daten Extraktion von Takt und Rhythmus Von Anna Schulze 16.05.06 1 3 4 Übersicht 1 Musiktheorie Beat Detection 3 Rhythmische Merkmale Extraktion rhythmischer Muster
MehrFans. Facebook. Felsen. Online-Marketing und Social Media in der Tourismusregion Sächsischen Schweiz. Tino Richter
Fans. Facebook. Felsen. Online-Marketing und Social Media in der Tourismusregion Sächsischen Schweiz Tino Richter Tourismustag Rügen, 15.11.2013 Die Charts sind Teil einer Präsentation, die nur mit dem
MehrSEMINAR AUTOMATISCHE GESICHTSERKENNUNG
SEMINAR AUTOMATISCHE GESICHTSERKENNUNG OBERSEMINAR AUTOMATISCHE ANALYSE VON GESICHTSAUSDRÜCKEN Organisation, Überblick, Themen Überblick heutige Veranstaltung 1. Organisatorisches 2. Überblick über beide
MehrAesthetic Guideline Driven Photography by Robots
by Raghudeep Gadde and Kamalakar Karlapalem 17. Oktober 2011 Worum geht es? Es geht darum, Robotern das Schießen von ästhetischen Fotos beizubringen. Das Motiv soll dabei keine Rolle spielen (Objekte,
MehrEvent-Aggregation in Frühwarnsystemen. Till Dörges. 2009 by PRESENSE Technologies GmbH
Event-Aggregation in Frühwarnsystemen Till Dörges Gliederung Motivation Definitionen Aggregationsverfahren Implementierung Ergebnisse / Ausblick Folie 2 / Event-Aggregation 18. März 2009 Hamburg Motivation
MehrH A M B U R G _ DER G+J ADCHECK UND KAMPAGNENCHECK
H A M B U R G _ 2 0 1 9 DER G+J ADCHECK UND KAMPAGNENCHECK MEDIA RESEARCH SERVICES 2 DER ANSATZ IN ALLER KÜRZE Auf Websites von G+J und anderen von uns vermarkteten Sites werden User bzw. Leser über eine
MehrSuchmaschinenoptimierung. Stephan Winter (MSc) Google Qualified Individual LEONEX Internet GmbH
Willkommen Suchmaschinenoptimierung Stephan Winter (MSc) Google Qualified Individual LEONEX Internet GmbH Übersicht Einleitung & Begriffe Geschichte Pagerank Tools On-Page Optimierung Off-Page Optimierung
MehrUNTERSUCHUNGEN ZUR VERARBEITUNG UND WAHRNEHMUNG VON STEREO-3D MIT ERHÖHTER BILDWECHSELFREQUENZ (HIGH FRAME RATES HFR)
22.05.2012 UNTERSUCHUNGEN ZUR VERARBEITUNG UND WAHRNEHMUNG VON STEREO-3D MIT ERHÖHTER BILDWECHSELFREQUENZ (HIGH FRAME RATES HFR) Prof. Dr. Wolfgang Ruppel, Hochschule RheinMain Aleksandra Sejmenovic cand.
Mehr