Modellbasierte Segmentierung
|
|
- Daniel Beyer
- vor 6 Jahren
- Abrufe
Transkript
1 Modellbasierte Segmentierung -----Vollständige Suche Template Matching, Hough Transformation für die Suche in Bilddatenbeständen Proseminararbeit im Proseminar Bildverarbeitung Wintersemester 2005/06 Fakultät Informatik Technische Universität München Beteuer: Kajetan Berlinger vorgelegt von Zhao, yuanyuan Dezember 2005
2 Abstract Diese Arbeit bietet eine Übersicht über Konzepte, Strategien für vollständige Suche von Modellbasierte Segmentierung. Es werden die Methoden zur Template Matching und Hough-Transformation vorgestellt und diskutiert. 1
3 Inhaltsverzeichnis 1 Einleitung Template Matching Konzept Probleme Korrelationskoeffizient Verwendung Hough Transformation Überblick Hough Transformation für Geraden Hough Transformation für Kreise Nachteile der Hough-Transformation Zusammenfassung Literaturverzeichnis
4 1 Einleitung Das Informationsangebot im Internet, in Spezialdatenbanken, in Archiven oder anderen digitalen Datenbeständen ist in der heutigen Zeit sehr groß. Ein immer stärker wachsender Anteil dieser Informationen liegt in Form von Bildern oder Grafiken vor. Um nun effektiv nach bestimmten Bildern, dargestellten Objekten oder Zusammenhängen suchen zu können, ist es notwendig, effiziente Methoden zu entwickeln. Deshalb kommt die Modellbasierte Segmentierung in der digitalen Bildverarbeitung eine grosse Bedeutung zu. Hier präsentiert eine Suchstrategie von Modellbasierte Segmentierung---Vollständige Suche. Vorgegeben ist ein Modell von geometrischen Eigenschaften des gesuchten Objekts mit wenigen Parametern. Die Parameter repräsentieren Struktur, Form. Der Parameterraum wird diskretisiert und vollständig abgesucht. Es werden diejenigen Parameter detektiert, die eine Instanz des Modells beschreiben. Zu diesen Methoden gehören Template Matching und die Hough- Transformation. 2 Template Matching 2.1 Konzept Das so genannte Template Matching ist ein klassisches Aufgabengebiet der Bildverarbeitung. Es wird verwendet, um bestimmte Objekte in Bildern zu suchen. Für die gesuchten Objekte müssen Informationen über Struktur, Form oder Farbe vorliegen. Diese Informationen stammem häufig aus einem Muster. Um nun das gesuchte Objekt in einem Bild zu finden, wird die Region im Bild, die die grösste Ähnlichkeit mit dem Muster aufweist, als dem Muster ähnlich selektiert. Die Kunst dieses Verfahrens liegt bei der genauen Definition der Begriffe: Muster, Ähnlichkeit. Durch Template Matching werden die Form und Orientierung, nicht aber die Position eines gesuchten Objekts durch ein Muster vorgegeben.ein Bild besteht aus mehreren Bildpunkten(Pixel), deren 3
5 Koordinaten (x,y) sind. Hier wird auch Ein Muster mit einem zweidimensionales Feld t(p,q) mit p =O,P-1 und q = O,Q-1 bezeichnet. Für dieses Muster werden Parameter (mk,nk) gesucht, für die der Bildausschnitt f(m,n) mit m = mk,..., mk+p-1 und n = nk,..., nk+q-1 mit dem Muster t übereinstimmt. Das Qualitätskriterium für die Suche ist das Übereinstimmungsmaß. Z.B der durchschnittliche Abstand der Beträge zwischen Bild f(x,y) und Template t(x,y): (mean absolute distance - mad): MAD(x,y)=1/MN Σxy f(x+m,y+n)-t(x,y) Das Maß hat besonders hochste Werte für diejenigen Positionen, bei denen die Übereinstimmung zwischen Bild und Muster besonders groß ist. Der Ort, an dem das Maß am höchsten ist, ist die gesuchte Position des Objekts. Template Matching mit diesen Maßen ist robust gegenüber Rauschen, doch warden die Ergebnisse rasch schlechter, wenn sich die durchschnittlichen Helligkeiten von Muster und Bild unterscheiden. Das Resultat wird ebenfalls schlechter, wenn sich der Kontrast zwischen Vordergrund und Hintergrund in Bild und Muster unterscheidet. Damit muss das Muster sehr genau an das Bild angepasst werden, um sinnvoll genutzt werden zu können. Abbildung 1 4
6 Lokale Maxima der mad-funktion kennzeichnen Orte, an denen Modell und Bild besonders gut übereinstimmen. Abbildung Probleme Da aber in der Praxis diese Muster nicht direkt aus dem zu untersuchenden Bild stamen, unterscheiden sich diese Muster immer von dem Bildausschnitt, in den das Objekt enthalten ist. Es kommt auch desöfteren vor, dass die Objekte im Bild verdreht, skaliert oder optisch verzerrt vorliegen. Abbildung3: Template dreht 5
7 Abbildung4: Grauwerte des Template skaliert Abbildung5:Grauwerte des Template verzerrt 6
8 2.3 Korrelationskoeffizient Würde man für jede mögliche Skalierung bzw. Verdrehung ein eigenes Muster ablegen, wird sogenannte Korrelationskoeffizient berechnet. Es ist ein besseres Verhalten gegenüber Skalierung und Verschiebung der Grauwertskala. Der Korrelationskoeffizient zwischen zwei Funktionen f(das Bild)und g(das Template) ist ein Wert zwischen 1 und 1. Der Korrelationskoeffizient ist definiert als wobei σ(f), σ(g) die Standardabweichungen von f und g, sowie σ(f,g) die Kovarianz zwischen f und g ist Der Korrelationskoeffzient Ist 1, falls es einen Skala d und einen positiven Skalar s gibt, so dass g=s.f+d Ist 1, falls es einen negativen Skalar s gibt, so dass g=s.f+d Ist 0, falls f und g voneinander linear unabhängig sind. Der Korrelationskoeffizient ist damit als Ähnlichkeitsmaß unempfindlich gegenüber Skalierungen und Mittelwertverändeungen des Template. Dort, wo er hoch ist, befinden sich möglichweise Instanzen von den Teplate im Bild.. 7
9 2.4 Verwendung Gesichterkennung Das Template Matching wird sehr häufig für die Gesichtserkennung verwendet. Das Verfahren versucht dabei die Ähnlichkeit zwischen einem Bild und einer vorgegebenen Gesichtsmaske zu berechnen. Die Maske besteht aus mehreren markanten Gesichtsausschnitten, den sogenannten Templates. Für die Identifikation wird das gegebene Gesicht mit allen in der Datenbank gespeicherten Gesichtern, genauer gesagt mit den generierten Templates, verglichen. Bild mit 4 Templates f r Augen, Nase, Mund und das ganze Gesicht 3 Hough Transformation 3.1 Überblick Ein Mensch erkennt Linien in einem Bild auf einen Blick. Für einen Comuter besteht ein Bild jedoch zunächst aus einer Ansammlung von Daten, die für jedes Pixel dessen Graustufe oder Farbwerte angeben. Die Hough-Transformation ist ein Standardverfahren, mit dem ein Computer Geraden, Kreise und andere geometrische Objekte in einem digitalisierten Bild finden kann. Das robuste Hough-Verfahren kann auch in einem verrauschten Bild unvollständige oder teilweise verdeckte Linien finden. Die Hough-Transformation wurde 1962 von P.V.C. Hough entwickelt und spielt eine wichtige Rolle in der Bildverarbeitung. Sie kann zur Erkennung von parametrisierbaren Kurven wie zum Beispiel von Geraden, Kreisen, Ellipsen verwendet werden. In der Praxis kommt sie überall dort zum Einsatz, wo es besonders auf die Sicherheit der Erkennung und nicht auf die Schnelligkeit ankommt. Beispiel: nicht zu schnelles Fließband. 3.2 Hough Transformation für Geraden 8
10 Die Hough Transformation ist in der Funktionsweise dem Template Matching ähnlich, indem sie nach einer vorgegebenen, in diesem Fall aber durch Kanten repräsentierten Struktur sucht. Zuerst ist die Eingabe für die Hough-Transformation ein Binärbild, dann wird ein Kantenbild davon umgewandelt, natürlich mit geeigneten Kantenoperation, schliesslich durch die Hough-Transformation wird berechnet, welche Kantenpixel Teile von Geraden sein können. Geraden im zweidimensionalen Raum mit reellem Definitionsbereich können durch die folgende Geradengleichung beschrieben werden: ax+by+c=o so erhalt man Wenn ein Punkt (x,y) vorgegeben ist, gilt für eine Gerade mit dem Winkel φ, die durch diesen Punkt geht Geradenrepräsentation: x cos(α) + y sin(α) d = 0 Hough-Transformation: Suche alle Parameter (α,d) für Geraden, die durch einen Punkt (xn,yn) gehen, und gilt d(α) = xncos(α)+ynsin(α) Der Raum, der durch (α,d) aufgespannt wird, heißt Hough-Raum. 9
11 Beispiel: Die Punkte (1,7),(3,5),(5,3)und(6,2) liegen auf der Geraden L0,welche im Hough-Raum präsentiert wird, wobei α=phi/4 und d= (32)^(1/2) =5.657 d= cos( α )+7sin( α ), d= 3cos( α )+5sin( α ) D3= 5 d=cos(α)+3sin(α), d=6cos(α)+2sin(α) Berechnung der HT Erzeugung eines Kantenbilds durch Schwellenwertsetzung auf Gradientenlängen. (Kantenpixel werden selektiert, wo es die stärkste Grauwertänderung gibt ) Diskretisierung des (α,d) (Zerlung in Akkumulatoren) 10
12 Für jeden Punkt xn,yn wird eine Kurve im (α,d)-raum diskretisiert. Jeder Akkumulator wird inkrementiert, sobald eine Kurve durch in verläuft. Parameter von Linien im Ortsraum sind durch (α,d)-kombinationen gegeben, deren Wert (Stimmenanzahl) nach Ausführung der Transformation am höchsten sind Kantenpixel sind solche Pixel, deren Gradientenlänge ein gewisses Maximum überschreitet. Weiterhin erzeugt jedes Kantenpixel mit Koordinaten (m,n) eine Kurve im Rough-Raum. Der Rough-Raum wird diskretisiert. Die einzelnen Zellen des Rough- Raums werden Akkumulatorzellen genannt. Die Kurve wird mit der Auflösung des Rough-Raums abgetastet. Jedes Mal, wenn die Kurve eines Pixels mit Koordinaten (m,n) eine Akkumulatorzelle überdeckt, erhält diese Zelle eine Stimme. Nach Abschluss der Abbildung aller Kantenpunkte werden die lokalen Maxima im Rough-Raum ermittelt. Diese entsprechen den Parametern der gesuchten Geraden im Bild. Abbildung: Der diskretisierte Hough-Raumbesteht aus so genannten Akkumulatorzellen. Jedes Mal. Wenn die Parameterdarstellungeines Punkts durch eine Akkumulatorzelle verläuft, wird der Inhalt der Zelle inkrementiert. 11
13 Abbildung. Ergebnisse der Geradenerkennung (bei 8 Geraden): Originalbild, Hough-Transformation, Ergebnis Die Hough-Transformation wird robuster gegenüber Rauschen, wenn nicht jedes Kantenpixel dieselbe Anzahl Stimmen abgibt, sondern deren Anzahl von der Gradientenstärke abhängt. Solange die Signalstärke die Rauschstärke wesentlich überwiegt, werden auch bei hohem Rauschen Geraden zuverlässig gefunden. 3.3 Hough Transformation für Kreise Die Kreiserkennung funktioniert ähnlich der Geradenerkennung. Durch jeden Punkt im Originalbild wird ein Kreis mit vorher festgelegtem Radius gelegt. Punkte im Hough-Transformationsbereich, in denen sich solche Kreise schneiden, sind Kandidaten für Mittelpunkte von Kreisen (mit dem gewählten Radius) im 12
14 Originalbereich. Die Punkte in denen sich die meisten Kreise schneiden, werden als Kreismittelpunkte in den Originalbereich rücktransformiert. Kreisgleichung für Kreis mit Mittelpunkt (xc, yc) und Radius r: (x-xc)2+(y-yc)2-r2=0. Falls der Radius bekannt ist, ist nur der Verschiebevektor (xc, yc) gesucht Hough-Raum = Ortsraum Um jeden Kantepunkt wird ein Kreis mit Radius r diskretisiert. Beschleunigung: Akkumulator wird nur in Distanz r in und entgegen der Gradientenrichtung inkrementiert. Abbildung: Bei der Hough-Transformation für Kreise (CHT) hier eingesetzt,um die Iris zu finden- sind Bildraum und Hough- Raumgleich. Für einen vorgegebenen Radiusr gibt jeder Kantenpunkt Stimmen für alle Orte im Abstand r zu diesem Kantenpunkt ab. Das Verfahren kann beschleunigt werden, wenn die Stimmabgabe nur in und entgegen der Richtung des Gradienten erfolgt 13
15 Abbildung: Ergebnisse der Kreiserkennung (bei 8 Kreisen) Originalbild, Hough-Transformation, Ergebnis 3.4 Nachteile der Hough-Transformation Die Hough-Transformation ist sehr rechenaufwändig. Die Laufzeit für das Erkennen von Geraden in einem (n x n) Bild ist von der Ordnung O(n 3 ). In ihrer ursprünglichen Form ist die Hough-Transformation daher selbst in einem Parallelrechner z.b. nicht zur Analyse von 14
16 Videosequenzen in Echtzeit geeignet, wie sie zur Erkennung von Fahrbahnmarkierungen beim autonomen Fahren notwendig ist. Es gibt jedoch eine kaum überschaubare Zahl von Weiterentwicklungen der Hough-Transformation, häufig "Fast Hough Transform" benannt, die sich dieses Problems annehmen Der Speicherbedarf des klassischen Ansatzes ist sehr groß. Auch diese Eigenschaft wurde in diversen wissenschaftlichen Publikationen verbessert. Bei der Hough-Transformation werden statt der gewünschten Geraden oftmals viele gleichartige Geraden erkannt. Dieses Phänomen liegt im diskreten Bildraum begründet, in dem sich viele mögliche Gerade die gleichen Pixel teilen - was dazu führt, dass sich im Parameterraum keine Häufungspunkte sondern (im 2D-Fall bei der Erkennung von Geraden) Häufungsplateaus bilden. Ein akzeptables Ergebnis erhält man daher nur, wenn man diese Häufungsplateaus vor der Überführung in eine Geradenliste auf einen Punkt zusammen zieht. Dies kann durch einen lokalen Operator in Fenstertechnik erreicht werden. 4 Zusammenfassung Die modellbasiete Segmentierung spielt eine wichtige Rolle in der Bildverarbeitung. Segmente sind Pixegruppen, die dem Modell entsprechen. Neben den Modell wird für die Segmentierung ein Suchalgorithmus benötigt, durch den alle Instanzen eines Segmenttyps gefunden werden. Segmentierungsmethoden mit einer vollständigen Suche erfordern, die Modellierung des gesuchten Segmenttyps und die Angabe eines Qualitätskriteriums, nach den entschieden werden kann, ob eine instanz des Segments gefunden wurde. Einfache Modelle mit wenigen Parametern werden beim Template Matching und bei der Hough-Transformation verwendet. Wegen der geringen Anzahl von Parametern kann der gesamte Parameterraum nach Segmentinstanzen abgesucht werden. Das Qualitätskriterium ist für Template Matching ein Ähnlichkeitsmaß und für die Hough- Transformation die Anzahl der Pixel, die durch die gesuchte Form überdeckt werden. 15
17 5 Literaturverzeichnis und Links Klaus D. Tönnies : Grundlagen der Bildverarbeitung R.Steinbrecher: Bildverarbeitung in der Praxis Sebrina skibak: Proseminar Computervision Geradenbestimmung mit der Hough-Transformation Gesicht/gesichtserkennung.pdf 16
B3. Bilderkennung mit Java
B3. Bilderkennung mit Java B3.3 HIPR Framework B3.4 Praktisches Beispiel und weitere Operationen auf Bildern - thresholding - morphologische Operationen - region labeling Literatur: The Hypermedia Image
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:
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.1 Einführung
Mathematik II Frühlingsemester 2015 Kap 9: Funktionen von mehreren Variablen 91 Einführung wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/
Mehr(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2
Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit
MehrMorphologische Bildverarbeitung II
FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER
MehrBildverarbeitung Herbstsemester. Binärbildanalyse
Bildverarbeitung Herbstsemester Herbstsemester 2010 2012 Binärbildanalyse 1 Inhalt Einführung Partikelfilterung und -analyse Auffinden von Regionen und Konturen Gruppenarbeit Erkennung von geometrischen
MehrDPF 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
MehrInhaltsbasierte Bildsuche. Matthias Spiller. 17. Dezember 2004
Kantenbasierte Merkmale für die Bildsuche Inhaltsbasierte Bildsuche Matthias Spiller 17. Dezember 2004 Übersicht Übersicht Einleitung Was sind Kanten? Kantenrichtungs Histogramm Der Canny-Algorithmus Feature-Erzeugung
Mehr2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n
2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n f ist in dem Fall ein Weg in R n. Das Bild f(t) des Weges wird als Kurve
MehrAusgewählte Themen zu Bildverstehen und Mustererkennung. Challenges for Driver Assistance Systems Lane Detection. Christoph Bartenhagen.
Deckblatt Ausgewählte Themen zu Bildverstehen und Mustererkennung Lane Detection Christoph Bartenhagen 1 Agenda A Lane Detection B Vehicle Detection 2 Agenda Gliederung 1 Einleitung 2 Road Detection 3
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
Mehrd 2 b 2 c 2 d 3 b 3 c 3 , D a 1 d 1 c 1 v 3 Definiton (Verbindungsvektor): Zwei Punkte A(a 1 a 2 a 3 ) und B(b 1 b 2 b 3 ) legen den Vektor b 1 a 1
2008/2009 Das Wichtigste in Kürze Klasse 3 Lineare Gleichungssysteme und Determinanten Definiton (Lineare Gleichungssysteme: Lineare Gleichungssysteme löst man entweder mit dem Gauß-Algorithmus oder nach
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung. Einführung. Bildverarbeitung. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
MehrGeometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte
Geometrie Geometrie W. Kuhlisch Brückenkurs 206. Vektorrechnung und analytische Geometrie der Ebene, Kegelschnitte 2. Vektorrechnung und analytische Geometrie des Raumes, Anwendungen in der Geometrie,
MehrAufgaben zu sin, cos und tan im rechtwinkligen Dreieck
Aufgaben zu sin, cos und tan im rechtwinkligen Dreieck 1) Eine Leiter ist 3m von einer Wand entfernt. Die Leiter ist 5m lang. In welcher Höhe ist die Leiter an die Wand gelehnt und welchen Neigungswinkel
MehrMaturitätsprüfung Mathematik
Maturitätsprüfung 007 Mathematik Klasse 4bN Kantonsschule Solothurn Mathematisch-naturwissenschaftliches Maturitätsprofil Name: Note: Hinweise zur Bearbeitung der Prüfung: Zur Lösung der Aufgaben stehen
MehrWS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch
Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch WS 2010/2011 14. Januar 2011 Geometrie mit Übungen Übungsblatt 9, Musterlösungen Aufgabe 33. Es werden Kreise in der Euklidischen
MehrErgänzung zu komplexe Zahlen
Juli 2015 Übersicht 1 Ortskurven 2 Wechselstromkreis mit ohmschem und kapazitivem Widerstand (Parallelschaltung) i(t) u(t) R C Bei festen Werten für den ohmschen Widerstand R und die Kapazität C ergibt
MehrGeometrische Objekte im 3-dimensionalen affinen Raum oder,... wie nützlich ist ein zugehöriger Vektorraum der Verschiebungen
Geometrische Objekte im -dimensionalen affinen Raum Bekanntlich versteht man unter geometrischen Objekten Punktmengen, auf die man die üblichen Mengenoperationen wie z.b.: Schnittmenge bilden: - aussagenlogisch:
MehrInhalt. Bildaufnahme / Digitale Bilder. Kameras CCD Sensoren Auge Sampling / Aliasing Quantisierung
Inhalt Bildaufnahme / Digitale Bilder Kameras CCD Sensoren Auge Sampling / Aliasing Quantisierung Abtastung, Parameter Aliasing-Beispiel: Unterabtastung einer periodischen Funktion. Rekonstruktion ergibt
MehrLehrskript Mathematik Q12 Analytische Geometrie
Lehrskript Mathematik Q1 Analytische Geometrie Repetitorium der analytischen Geometrie Eine Zusammenfassung der analytischen Geometrie an bayerischen Gymnasien von Markus Baur, StR Werdenfels-Gymnasium
MehrElementare Bildverarbeitungsoperationen
1 Elementare Bildverarbeitungsoperationen - Kantenerkennung - 1 Einführung 2 Gradientenverfahren 3 Laplace-Verfahren 4 Canny-Verfahren 5 Literatur 1 Einführung 2 1 Einführung Kantenerkennung basiert auf
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
MehrDigitale Bildverarbeitung Einheit 8 Lineare Filterung
Digitale Bildverarbeitung Einheit 8 Lineare Filterung Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen, wie lineare
MehrGrundlagen der digitalen Bildverarbeitung / Fortsetzung
Grundlagen der digitalen Bildverarbeitung / Fortsetzung Wir haben bereits zwei Beispiele digitaler Bildfilter gesehen. Es gibt eine große Menge von Filtern mit ganz unterschiedlicher Auswirkung auf das
Mehrα π r² Achtung: Das Grundwissen steht im Lehrplan! 1. Kreis und Kugel
Achtung: Das Grundwissen steht im Lehrplan! Tipps zum Grundwissen Mathematik Jahrgangsstufe 10 Folgende Begriffe und Aufgaben solltest Du nach der 10. Klasse kennen und können: (Falls Du Lücken entdeckst,
MehrHauptseminar Autofokus
Hauptseminar Autofokus Hans Dichtl 30. Januar 2007 Wann ist ein Bild fokussiert? Wann ist ein Bild fokusiert? Welche mathematischen Modelle stehen uns zur Verfügung? Wie wird das elektronisch und mechanisch
MehrMorphologische Bildoperationen
Morphologische Bildoperationen Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Gürcan Karakoc Betreuer: Suat Gedikli Abgabetermin: 10.04.2006 1 Inhaltsverzeichnis
MehrFormelsammlung Analytische Geometrie
Formelsammlung Analytische Geometrie http://www.fersch.de Klemens Fersch 6. August 6 Inhaltsverzeichnis 6 Analytische Geometrie 6. Vektorrechung in der Ebene......................................... 6..
MehrMathematik für das Ingenieurstudium
Mathematik für das Ingenieurstudium von Martin Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzeichnis schnell
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrKorrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:
Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise
MehrArbeitsblatt 14: Parametrische Funktionen Guter Empfang für Handys
Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste
MehrGrundlagen: Bildbearbeitung / Objekterkennung. Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen
Grundlagen: Bildbearbeitung / Objekterkennung Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen Videoerkennung! Warum? Live-Übertragung von Veranstaltungen Überwachung
MehrUrs Wyder, 4057 Basel Funktionen. f x x x x 2
Urs Wyder, 4057 Basel Urs.Wyder@edubs.ch Funktionen f 3 ( ) = + f ( ) = sin(4 ) Inhaltsverzeichnis DEFINITION DES FUNKTIONSBEGRIFFS...3. NOTATION...3. STETIGKEIT...3.3 ABSCHNITTSWEISE DEFINIERTE FUNKTIONEN...4
MehrSchwingungen und Wellen
Schwingungen Wellen Jochen Trommer jtrommer@uni-leipzig.de Universität Leipzig Institut für Linguistik Phonologie/Morphologie SS 2007 Schwingungen beim Federpendel Schwingungen beim Federpendel Wichtige
MehrDigitale Bildverarbeitung Einheit 12 3D-Modellierung
Digitale Bildverarbeitung Einheit 12 3D-Modellierung Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einen Eindruck
MehrZusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann
Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:
Mehr1 Vorlesungen: und Vektor Rechnung: 1.Teil
1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg
MehrIn-line Prozesskontrolle durch AOI
In-line Prozesskontrolle durch AOI Einleitung In allen Bereichen der Mikroelektronik, ob KFZ, Telekommunikation, Computer oder Medizintechnik, schreitet die Miniaturisierung voran. Mit zunehmender Miniaturisierung
MehrKrümmungsapproximation auf 3D-Modellen
Krümmungsapproximation auf 3D-Modellen Mathematische Grundlagen und Approximation Christian Cyrus Matrikelnummer 157707 Fakultät für Informatik Otto-von-Guericke-Universität Magdeburg Diese Ausarbeitung
Mehr6. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 12 Saison 1966/1967 Aufgaben und Lösungen
6. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 12 Saison 1966/1967 Aufgaben und Lösungen 1 OJM 6. Mathematik-Olympiade 2. Stufe (Kreisolympiade) Klasse 12 Aufgaben Hinweis: Der Lösungsweg mit
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
Mehr13. Klasse TOP 10 Grundwissen 13 Geradengleichungen 01
. Klasse TOP 0 Grundwissen Geradengleichungen 0 Punkt-Richtungs-Form Geraden sind gegeben durch einen Aufpunkt A (mit Ortsvektor a) auf der Geraden und einen Richtungsvektor u: x = a + λ u, λ IR. (Interpretation:
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrPraktikum 1. Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung
Prof. W. Hillen, Medizinische Informatik FH - AC (Jülich)...\image\img_pk_01 ImageJ.doc Praktikum 1 Digitale Bildverarbeitung Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
MehrGrundlagen der Computer-Tomographie
Grundlagen der Computer-Tomographie Quellenangabe Die folgenden Folien sind zum Teil dem Übersichtsvortrag: imbie.meb.uni-bonn.de/epileptologie/staff/lehnertz/ct1.pdf entnommen. Als Quelle für die mathematischen
MehrKartographische Visualisierung
Kartographische Visualisierung Kartenmodellierung Modellierung von Karten Ziel der Kartenmodellierung: Geodaten angemessen abbilden (repräsentieren) Informationen mit der Karte vermitteln (präsentieren).
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
Mehr(geometrische) Anschauung
(geometrische) Anschauung Marcus Page Juni 28 In dieser Lerneinheit widmen wir uns dem schon oft angesprochenen Zusammenhang zwischen Matrizen und linearen Abbildungen. Außerdem untersuchen wir Funktionen,
MehrVorlesungsfolien Mathematik 3 WS 2010/11 UMIT. Einleitung
Vorlesungsfolien Mathematik 3 WS 2010/11 Dr. Leonhard Wieser UMIT Einleitung Begriff Vektoranalysis: Kombination aus Linearer Algebra/Vektorrechnung mit Differential- und Integralrechnung Inhaltsangabe:
MehrAbiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit x f(x) = (x + 5) e. Aufgabe : ( VP) Gegeben ist die Funktion
MehrDeckenbuch. Fachbereich Architektur und Bauingenieurwesen Studiengang Bauingenieurwesen
Deckenbuch Der Begriff Deckenbuch wird für die geometrische Definition einer Fahrbahndecke entlang einer Achse verwendet. Das Deckenbuch setzt sich aus Definitionen einzelner Spuren zusammen. Die Spuren
MehrExemplar für Prüfer/innen
Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2016 Mathematik Kompensationsprüfung 3 Angabe für Prüfer/innen Hinweise zur
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrMathematik I Prüfung für den Übertritt aus der 8. Klasse
Aufnahmeprüfung 015 für den Eintritt in das 9. Schuljahr eines Gymnasiums des Kantons Bern Mathematik I Prüfung für den Übertritt aus der 8. Klasse Bitte beachten: - Bearbeitungsdauer: 60 Minuten - Alle
MehrInhalte. HS BO Lab. für Photogrammetrie: Verfahren zur automatisierten Auswertung 1
Inhalte Verfahren zur automatisierten Auswertung Korrespondenzanalyse Bildzuordnungsverfahren Merkmalsextraktion Merkmalsbasierte Zuordnung Interest-Operatoren Flächenbasierte Zuordnung Korrelationsalgorithmen
MehrKompression und Datenformate. Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate
Kompression und Datenformate Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate AGENDA Digitale Speicherung von Bildern Digitalisierung Informationsgehalt Speicherbedarf Kompression von
MehrNichtrealistische Darstellung von Gebirgen mit OpenGL
Nichtrealistische Darstellung von Gebirgen mit OpenGL Großer Beleg Torsten Keil Betreuer: Prof. Deussen Zielstellung Entwicklung eines Algorithmus, der die 3D- Daten einer Geometrie in eine nichtrealistische
MehrBildsegmentierung mit Level Sets
Bildsegmentierung mit Level Sets Seminar Bildsegmentierung und Computer Vision im Wintersemester 2005 Übersicht 1 Übersicht 2 Definitionen Ausbreitungsgeschwindigkeit Übersicht 3 Inter-Frame-basierte Modellierung
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
Mehr:= Modellabbildung. Bildsynthese (Rendering) Bildsynthese
Geometrisches Modell bestehend aus Datenstrukturen zur Verknüpfung geometrischer Primitive, welche eine Gesamtszene beschreiben Bildsynthese := Modellabbildung Pixelbasiertes Modell zur Darstellung eines
MehrHochschule Bremerhaven Medizintechnik Mathcad Kapitel 6
6. Diagramme mit Mathcad In diesem Kapitel geht es um andere, als X Y Diagramme. 6.. Kreisdiagramme. Schritt: Die darzustellende Funktion muß zunächst als Funktion definiert werden, zum Beispiel f(x):=
MehrRechnen mit Vektoren, analytische Geometrie
Dr. Alfred Eisler Rechnen mit Vektoren, analytische Geometrie Themenbereich Vektorrechnung, analytische Geometrie Inhalte Eingabe von Vektoren Rechnen mit Vektoren Normalvektoren im R 2 Vektorielles Produkt
MehrFILTER UND FALTUNGEN
Ausarbeitung zum Vortrag von Daniel Schmitzek im Seminar Verarbeitung und Manipulation digitaler Bilder I n h a l t. Der Begriff des Filters 3 2. Faltungsfilter 4 2. Glättungsfilter 4 2.2 Filter zur Kantendetektion
MehrBildverarbeitung Herbstsemester 2012. Kanten und Ecken
Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector
MehrModul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt
Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften
MehrIterative Methods for Improving Mesh Parameterizations
Iterative Methods for Improving Mesh Parameterizations Autoren: Shen Dong & Michael Garland, SMI 07 Nicola Sheldrick Seminar Computergrafik April 6, 2010 Nicola Sheldrick (Seminar Computergrafik)Iterative
MehrGeometrie-Dossier Kreis 2
Geometrie-Dossier Kreis 2 Name: Inhalt: Konstruktion im Kreis (mit Tangenten, Sekanten, Passanten und Sehnen) Grundaufgaben Verwendung: Dieses Geometriedossier orientiert sich am Unterricht und liefert
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrDEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )
Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon
MehrWenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +
8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die
MehrA Allgemeines. B Benutzeroberfläche. PRO INGENIEUR (Werkzeugbau) INVENTOR (Alternative zu Auto-Cad) ALIAS (Produktdesign)
A Allgemeines Begriff CAD Alternative CAD-Programme Einsatz von CAD-Programmen Computer Aided Design CATIA (Autoindustrie) PRO INGENIEUR (Werkzeugbau) INVENTOR (Alternative zu Auto-Cad) ALIAS (Produktdesign)
MehrBildmerkmalssuche. 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
MehrIm Original veränderbare Word-Dateien
Computergrafik Bilder, Grafiken, Zeichnungen etc., die mithilfe von Computern hergestellt oder bearbeitet werden, bezeichnet man allgemein als Computergrafiken. Früher wurde streng zwischen Computergrafik
MehrKapitel 9. Kombination von Vektor- und Rasterdaten. Rasterdaten. 3. Transformationen des Formats. 4. Kombinierte Auswertungen
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität
MehrBerufsmaturitätsprüfung 2013 Mathematik
GIBB Gewerblich-Industrielle Berufsschule Bern Berufsmaturitätsschule Berufsmaturitätsprüfung 2013 Mathematik Zeit: Hilfsmittel: Hinweise: Punkte: 180 Minuten Formel- und Tabellensammlung ohne gelöste
MehrFarbtiefe. Gängige Farbtiefen
Farbtiefe Die Anzahl der darstellbaren Farben ist abhängig von den Farbabstufungen, die in einem Pixel gespeichert werden. Die Anzahl der darstellbaren Farbtöne wird als Farbtiefe bezeichnet. Die Farbtiefe
MehrFunktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
MehrSegmentierung von Faserstrukturen in tomographischen Aufnahmen. Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern
Segmentierung von Faserstrukturen in tomographischen Aufnahmen Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern Oliver Wirjadi Frankfurt, 7.03.007 Bildquelle: Institut für
Mehrgeschlossene Schachtel mit einem kleinen Loch
Kameramodellierung Lochkamera Kamerakonstante Kamerazentrum geschlossene Schachtel mit einem kleinen Loch ideale Kamera: Loch hat keine Ausdehnung die Strahlen sind ein Büschel von Geraden Abbildung erfolgt
MehrEntwurf und Erkennung von codierten Zielmarken
Photogrammetrie Seminarvortrag: Entwurf und Erkennung von codierten Zielmarken Übersicht: 1. Einleitung 2. Codeanforderungen 3. Aufbau der Zielmarke Teil I 4. Der Code 5. Automatische Detektion und Erkennung
MehrAnwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen
Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen David Knötel Freie Universität Berlin, Institut für Informatik Seminar über Algorithmen Leitfaden Wiederholung
MehrÜbungen zur Experimentalphysik 3
Übungen zur Experimentalphysik 3 Prof. Dr. L. Oberauer Wintersemester 2010/2011 10. Übungsblatt - 10. Januar 2011 Musterlösung Franziska Konitzer (franziska.konitzer@tum.de) Aufgabe 1 ( ) (6 Punkte) a)
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrDigitale Bilder. Ein Referat von Jacqueline Schäfer und Lea Pohl Am
Digitale Bilder Ein Referat von Jacqueline Schäfer und Lea Pohl Am 06.05.2015 Inhaltsverzeichnis Einheiten Grafiktypen Bildformate Farbtiefe Farbbilder/ Farbräume Quellen Einführung in die Bildverarbeitung
MehrAufgaben. zu Inhalten der 5. Klasse
Aufgaben zu Inhalten der 5. Klasse Universität Klagenfurt, Institut für Didaktik der Mathematik (AECC-M) September 2010 Zahlbereiche Es gibt Gleichungen, die (1) in Z, nicht aber in N, (2) in Q, nicht
Mehr1 Analytische Geometrie
Analytische Geometrie. Grundlagen, Begriffe, Schreibweisen Achsenkreuz Die Achsen heißen in dieser Darstellung x und -Achse. Punkte Punkte werden weiterhin mit großen, lateinischen Buchstaben bezeichnet
MehrEinfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten
Einfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten Karl-Friedrich Kamm Norderstedt Karl-Friedrich Kamm 29/07/2013 1 Mögliche Fehler bei digitalen Röntgenaufnahmen flaue Bilder fehlender
MehrOktaeder. Bernhard Möller. 22. Dezember 2010
Oktaeder Bernhard Möller. Dezember 00 Ein Oktaeder ist ein regelmäßiges Polyeder, dessen Oberfläche aus acht kongruenten, gleichseitigen Dreiecken besteht. Jedes Oktaeder kann einem Würfel so einbeschrieben
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden
MehrStoffverteilung Mathematik Klasse 9 auf Basis der Bildungsstandards 2004
Umgang mit Hilfsmitteln wie elsammlung, grafikfähigem Taschenrechner, Rechner mit geeigneter Software, elektronische Medien, Internet Alle Kapitel Vernetzung In allen Lerneinheiten sollten die folgenden
Mehr5.5 Ortskurven höherer Ordnung
2 5 Ortskurven 5.5 Ortskurven höherer Ordnung Ortskurve Parabel Die Ortskurvengleichung für die Parabel lautet P A + p B + p 2 C. (5.) Sie kann entweder aus der Geraden A + p B und dem Anteil p 2 C oder
MehrPolte, Galina; Rennert, Klaus-Jürgen; Linß, Gerhard: Korrektur von Abbildungsfehlern für optische Messverfahren
Polte, Galina; Rennert, Klaus-Jürgen; Linß, Gerhard: Korrektur von Abbildungsfehlern für optische Messverfahren Publikation entstand im Rahmen der Veranstaltung: Workshop "Flexible Montage", Ilmenau, 09.
MehrVorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker
Vorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker Übungsblatt Musterlösung Fachbereich Rechts- und Wirtschaftswissenschaften Wintersemester 06/7 Aufgabe (Definitionsbereiche) Bestimme
MehrSollten sich (Flüchtigkeits )Fehler eingeschlichen haben, bitte ich um eine kurze Nachricht an hans
Sollten sich (Flüchtigkeits )Fehler eingeschlichen haben, bitte ich um eine kurze Nachricht an hans josef.coenen@web.de Abitour Analytische Geometrie Leistungskurs Aufgaben 1. Welche Lagebeziehungen zwischen
Mehr35 Stetige lineare Abbildungen
171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.
MehrEinführung in neuronale Netze
Einführung in neuronale Netze Florian Wenzel Neurorobotik Institut für Informatik Humboldt-Universität zu Berlin 1. Mai 2012 1 / 20 Überblick 1 Motivation 2 Das Neuron 3 Aufbau des Netzes 4 Neuronale Netze
Mehr