Peter Pichlmaier SS 2006
|
|
- Gregor Simen
- vor 5 Jahren
- Abrufe
Transkript
1 Recovering 3D Human Body Configurations Using Shape Contexts Hauptseminar Bildverstehen: Videobasierte Erkennung und Analyse menschlicher Aktionen SS 2006
2 Gliederung 1. Grundprinzip exemplarbasierter Verfahren 2. Bilderkennung mittels Shape Contexts Idee Schritte des Verfahrens Optimierung Beispiele Videoerkennung mittels Motion Descriptors Problemstellung Schritte des Verfahrens Beispiele Erweiterte Anwendungen Bewertung 2
3 Grundprinzip exemplarbasierter Verfahren Problem: Kontext notwendig Ohne Details kein Kontext Exemplardatenbanken: manuell markierte Exemplare kein direktes Erkennen von Details Vergleich des Testbildes und Exemplars Ausgabe: Daten des besten Exemplars 3
4 Grundprinzip exemplarbasierter Verfahren Testbild Vergleich Daten Bestes Exemplar 4
5 Idee Shape Contexts Manuell markierte Exemplardaten: 14 Gelenkpunkte Kopf Schultern Ellbogen Hände Bauch Hüfte Knie Knöchel 5
6 Idee Shape Contexts 1. Kantendetektor und Sample Points Shape 2. Korrespondierende Punkte in Exemplar und Testbild Vergleichmöglichkeit 3. Deformation des Exemplarshapes in das Testshape Kinematische Kette 2DGelenkpunkte 4. 3DRekonstruktion 6
7 Shapeberechnung Kantendetektor externe Konturen interne Konturen Auswahl von Sample Points aus Kanten Shape: Eckpunkte Tangenten 7
8 Korrespondierenden Punkte Erweiterte ShapeKontextdeskriptoren: polare Histogramme Aufsummierung der Tangenten pro Bin 2ddimensionaler Vektor aus d Bins Berechnung für jeden Punkt 8
9 Korrespondierenden Punkte Problem: Welcher Punkt gehört zu welchem? Vektorenvergleiche bipartiter Graph: Punkte als Knoten Vergleichswerte als Kanten Ausreißerpunkt Testbild Exemplar Zuweisungoptimierer 9
10 Deformation Methode: kleinste Quadrate (Punktabweichungen) Bis zu vier Iterationsschritte Abweichung: Start: Exemplar Ziel: Testbild 10
11 Experimente: Ausschlussalgorithmus Anatomische Beschränkungen Bewegungsmodell mit 9 Segmenten: Torso Translation Oberarme Unterarme Oberschenkel Unterschenkel Rotation Zuordnung der Punkte: Exemplar: Nächste Knochenlinie Testbild: Korrespondierende Punkte 11
12 Wiederholung: Matching Vergleich: Testbild und einzelnes Exemplar 1. Kantendetektor Shape 3. Erweiterte ShapeDeskriptoren korrespondierende Punkte 3. Mehrmalige Deformation Gelenkpunkte und Wertung des Exemplars Trivialer Ansatz: Vergleich mit allen Exemplaren nicht praktikabel : 2030 s pro Exemplar 12
13 Optimierung: Ausschlussalgorithmus Viele Exemplare eindeutig unpassend Aussortieren mittels RSCs Representative Shape Context (RSC): Einzelnes Radialhistogramm Berechnung aus allen Shapepunkten Verfahren: Vorausberechnung: ca. 800 Shape Contexts pro Exemplar nur 510 RSCs für Testbild Summe: Vergleichswerte RSC und bester SC schnelle Auswahl: 10 sinnvollste Exemplare 13
14 Optimierung: Teilexemplare Problemstellung: Mehr Details wesentlich mehr Exemplare doppelte Exemplarzahl Lösung: Teilexemplare getrennte Bewertung der Segmente Vorsicht: anatomische Einschränkungen 14
15 Optimierung: Teilexemplare Exemplare immer konsistent Abstände zwischen Gelenken als Grenzen verpflichtend für Kombinationen Testbild Exemplare ungültige gültige Kombination 15
16 3D Rekonstruktion Verfahren von Taylor 3DModell Eingabedaten: 2DGelenkpunkte X und Y Koordinaten Körperteillängen relative Z Koordinaten Closer Endpoint Labels Reihenfolge Hauptseminar Bildverstehen: Recovering 3d Human Body Configurations Using Shape Contexts 16
17 Experimente: Ausschlussalgorithmus Testbild die zehn besten Exemplare 17
18 Experimente: Problemfaktor Kleidung Testbild Exemplar Testbild Exemplar 18
19 Experimente: Teilexemplare Ganze Exemplare Teilexemplare leichte Verbesserung Risiko: mehrfache Verwendung von Pixeln 19
20 Experimente: Küchenschabe Identisches Verfahren Bewegungsmodell mit zwei zusätzlichen Körpergliedern 20
21 Motion Descriptor: Problemstellung Mittlere Entfernung: 30 PixelFiguren Details nicht auswertbar nötig: robuster Motion Descriptor 21
22 Schritte Exemplarbasierter Ansatz: Sequenzdatenbank manuelle Beschreibung optional 2DGelenkpunkte Verfahren: 1. Stabilisierung und Optical Flow 2. Auftrennung und Glättung Motion Descriptor 3. Sequenzvergleich 22
23 Stabilisierung Tracker Zentrierung auf Figur und Ausschnitt Bedingung: ähnliche Figur ähnlicher Ausschnitt Verlust von Translationen 23
24 Optical Flow allgemeine Ansicht: eher unzuverlässig, ungenau Interpretation als grobes Bewegungsmuster Reduzierung auf relevante Informationen 24
25 Relevante Daten Trennung nach X und Y Anteile (2 Kanäle) Trennung in negative und positive Komponenten (4 Kanäle) Glättung mit Gaußfunktion Motion Descriptor 25
26 Ziele Aktionserkennung 3DRekonstruktion Eingabe: Video laufen nach links gehen schwingen joggen nach rechts gehen 26
27 Matching einzelne Frames nicht aussagekräftig Vergleich von Sequenzen Temporale Erweiterung Σ Testsequenz A Exemplarsequenz B Zentrierung auf zwei Frames in beiden Sequenzen Vergleich sämtlicher Framepaare notwendig 27
28 Matching Vergleich sämtlicher Framepaare notwendig Optimierung mittels Matrizen A A I Matrix B B FrameÄhnlichkeitsmatrix Kernelmatrix BewegungsÄhnlichkeitsmatrix 28
29 Experimente: Ballettschritte 16 Balletschritte, exakt choreographierte Bewegungen einfaches Problem 29
30 Experimente: Tennisspieler sechs Aktionen, spontane Bewegungen schlechtere Ergebnisse, nur logische Verwechslungen 30
31 Video: Klassifizierung 31
32 Video: Do as I Do Anwendung: Synthese von Videos mit anderen Personen Exemplarsequenzen der Zielperson Target Steuersequenz durch Testvideo Driver Relevant: Übereinstimmung mit Anweisungen Vergleich: Target und Driver Flüssiges Video Vergleich: Target und vorherige Targetsequenz 32
33 Video: Do as I Do Greg in the World Cup 33
34 Video: Do as I Say Anwendung: Synthese von Videos mit anderen Personen Exemplarsequenzen der Zielperson Anweisungen Target Driver analog wie Do as I Do zukünftige Computerspiele 34
35 Video: Do as I Say Steuerbarer Tennisspieler 35
36 Vergleich Shape Contexts: Bilder in guter Qualität 2DGelenkpunkte keine zeitliche Konsistenz, Einzelbilder Motion Descriptors: unscharfe Videodaten aus mittlerer Entfernung Klassifizierung Sequenzvergleiche Gemeinsamkeiten: Exemplarbasiert: Gesamtkontext verfügbar nur Bekanntes erkennbar unpraktikabel für allgemeine Probleme nicht echtzeitfähig 36
Interaktives 3D Sportfernsehen
Warum das Volumen eines 54-dimensionalen Hyperellipsoids und die Bewegungen des menschlichen Körpers eine bijektive Abbildung bilden können Cornelius Malerczyk, ZGDV, Darmstadt (1) Interaktives 3D Fernsehen
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
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
MehrImplementierung des Scan-Matching-Algorithmus MbICP im Fach Mensch-Maschine- Kommunikation/Robotik
Implementierung des Scan-Matching-Algorithmus MbICP im Fach Mensch-Maschine- Kommunikation/Robotik Betreuer: Dipl.-Inf. (FH) Peter Poschmann Enrico Uhlig, Markus Fischer, Marcus Kupke 26. Jun 2012 1 Gliederung
MehrBiomechanik im Sporttheorieunterricht
Betrifft 22 DR. MARTIN HILLEBRECHT Biomechanik im Sporttheorieunterricht - Grafische Schwerpunktbestimmung - 1. EINLEITUNG Im ersten Teil diese Artikels (vgl. Betrifft Sport 4/ 98) wurden zwei Verfahren
Mehr3D-Rekonstruktion aus Bildern
Allgemeine Nachrichtentechnik Prof. Dr.-Ing. Udo Zölzer 3D-Rekonstruktion aus Bildern Dipl.-Ing. Christian Ruwwe 41. Treffen der ITG-Fachgruppe Algorithmen für die Signalverarbeitung HSU Hamburg 24. Februar
MehrEVC Repetitorium Blender
EVC Repetitorium Blender Michael Hecher Felix Kreuzer Institute of Computer Graphics and Algorithms Vienna University of Technology INSTITUTE OF COMPUTER GRAPHICS AND ALGORITHMS Filter Transformationen
MehrDistributed Algorithms. Image and Video Processing
Chapter 6 Optical Character Recognition Distributed Algorithms for Übersicht Motivation Texterkennung in Bildern und Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben
MehrMultimedia-Metadaten und ihre Anwendung
Multimedia-Metadaten und ihre Anwendung 14.02.2006 MPEG 7: Beschreibung von Bewegungen Pantelis Katsukis Inhalt 1. Einleitung 2. Überblick der Bewegungsdeskriptoren 3. Die vier Deskriptoren im Detail 4.
Mehr4. Segmentierung von Objekten Video - Inhaltsanalyse
4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder
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
MehrReal Time Tracking of the Human Body. Hauptseminar Bildverstehen: Videobasierte Erkennung und Analyse menschlicher Aktionen. Thomas Endres SS 2006
Real Time Tracking of the Human Body Hauptseminar Bildverstehen: Videobasierte Erkennung und Analyse menschlicher Aktionen Thomas Endres SS 2006 Echtzeit-Erkennung Erkennung Anwendungsmöglichkeiten: Interfaces
MehrDer diskrete Kalman Filter
Der diskrete Kalman Filter Fachbereich: Informatik Betreuer: Marc Drassler Patrick Winkler 1168954 6. Dezember 2004 Technische Universität Darmstadt Simulation und Systemoptimierung Darmstadt Dribbling
MehrProseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung"
Fakultät Informatik, Institut für künstliche Intelligenz, Intelligent Systems Proseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung" Lokale Merkmalsdeskriptoren Jens Stormberg - Dresden, 19.06.2009
Mehr5. Objekterkennung in Bildern und Videos Videoanalyse
5. Objekterkennung in Bildern und Videos Videoanalyse Stephan Kopf 1 Übersicht Motivation Anforderungen an Objekterkennungsalgorithmen Objekterkennung mittels Konturen Helligkeiten Farben Formen Objekterkennung
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrKapitel 1 DIE TEILE MENSCHLICHEN KÖRPERS VERBEN DER BEWEGUNG
Kapitel 1 DIE TEILE MENSCHLICHEN KÖRPERS VERBEN DER BEWEGUNG Schreiben Sie den richtigen Namen jedes Körperteils auf den passenden Strich.. DER MENSCHLICHE KÖRPER VORDERSEITE der Kopf die Nase das Ohr
MehrKreis - Tangente. 2. Vorbemerkung: Satz des Thales Eine Möglichkeit zur Bestimmung der Tangente benutzt den Satz des Thales.
Kreis - Tangente 1. Allgemeines 2. Satz des Thales 3. Tangente an einem Punkt auf dem Kreis 4. Tangente über Analysis (an einem Punkt eines Ursprungkreises) 5. Tangente von einem Punkt (Pol) an den Kreis
Mehr9 SLAM Simultaneous Localization and Mapping
9 SLAM Simultaneous Localization and Mapping Einleitung eines der aktivsten Forschungsgebiete innerhalb der Robotik Roboterlokalisierung bei gegebener Karte (Kap. 8 und Karte aus Sensordaten bei bekannter
MehrSystems of Distinct Representatives
Systems of Distinct Representatives Seminar: Extremal Combinatorics Peter Fritz Lehr- und Forschungsgebiet Theoretische Informatik RWTH Aachen Systems of Distinct Representatives p. 1/41 Gliederung Einführung
MehrTechnische Universität. Fakultät für Informatik
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Particle-Filter / Condensation algorithm Hauptseminar Thomas Auckenthaler Betreuer: Abgabetermin: 13. Mai
MehrVorlesung Lineare Optimierung (Sommersemester 2007)
1 Vorlesung Lineare Optimierung (Sommersemester 007) Kapitel 9: Ganzzahlige Polyeder und Kombinatorische Dualität Volker Kaibel Otto-von-Guericke Universität Magdeburg Montag, 9. Juli 007 Gliederung Ganzzahlige
MehrKalibrierungsfreie Bildverarbeitungsalgorithmen. echtzeitfähigen Objekterkennung im Roboterfuÿball. Thomas Reinhardt Nao-Team HTWK. 26.
zur echtzeitfähigen Objekterkennung im Roboterfuÿball Thomas Reinhardt Nao-Team HTWK Hochschule für Technik, Wirtschaft und Kultur Leipzig 26. Februar 2011 Gliederung 1 2 3 4 5 6 7 YCbCr- Helligkeitskomponente
MehrSIFT Flow Dense Correspondence across Different Scenes
Moritz Schmidt SIFT Flow Dense Correspondence across Different Scenes 1 Motivation Bildregistrierung Bilder ähnlicher Szenen in Übereinstimmung bringen Transformation eines Bildes zu Referenzbild Optimierungsproblem
MehrGelenksmomente und Muskelkräfte. Gelenksmomente und Muskelkräfte. Isometrischer Maximalkrafttest - Kniestrecker. Datenerfassung
Gelenksmomente und Muskelkräfte Gelenksmomente und Muskelkräfte Datenerfassung, Grundlagen, Anwendung Ziele Grundlagen der Berechnung von Gelenksmomenten (Knie, Hüfte, ) und Kräften in den einzelnen Muskeln
MehrAlgorithmen für schwierige Probleme
Algorithmen für schwierige Probleme Britta Dorn Wintersemester 2011/12 30. November 2011 Wiederholung Baumzerlegung G = (V, E) Eine Baumzerlegung von G ist ein Paar {X i i V T }, T, wobei T Baum mit Knotenmenge
MehrEinführung in die Robotik. Jianwei Zhang
- Jianwei Zhang zhang@informatik.uni-hamburg.de Fakultät für Mathematik, Informatik und Naturwissenschaften Technische Aspekte Multimodaler Systeme 20. April 2010 J. Zhang 63 Gliederung Allgemeine Informationen
MehrAutomatische Verfahren zur Verknüpfung von Punktwolken
Automatische Verfahren zur Verknüpfung von Punktwolken Dr.-Ing. Christian Hesse 16.06.2009 3. Hamburger Anwenderforum Terrestrisches Laserscanning 1 Inhalt Einleitung Ansätze zur automatischen Registrierung
MehrAutomatisch-generierte Texturen aus Laserpunktwolken
Automatisch-generierte Texturen aus Laserpunktwolken Sharon Friedrich, Maik Häsner Ruprecht-Karls-Universität Heidelberg Interdisziplinäres Zentrum für wissenschaftliches Rechnen (IWR) Softwarepraktikum
MehrAlgorithmen für Geographische Informationssysteme
Algorithmen für Geographische Informationssysteme 2. Vorlesung: 16. April 2014 Thomas van Dijk basiert auf Folien von Jan-Henrik Haunert Map Matching? Map Matching! Map Matching...als Teil von Fahrzeugnavigationssystemen
MehrGliederung: 1) Einleitung 2) Oberflächenvergleich 3) Objekterkennung
Using Spin Images for Efficient Object Recogition in Cluttered 3D Scenes (Effiziente Objekterkennung von ungeordneten 3D Szenen mithilfe von Spin Images) Gliederung: 1) Einleitung 2) Oberflächenvergleich
MehrV. Metriken. Gliederung. I. Motivation. Lesen mathematischer Symbole. Wissenschaftliche Argumentation. Matrizenrechnung. Seite 67
Gliederung I. Motivation II. III. Lesen mathematischer Symbole Wissenschaftliche Argumentation IV. Matrizenrechnung V. Metriken Seite 67 Problemstellung: Gegeben seien 2 Punkte im Raum. Wie groß ist die
MehrVOR-ORT AUFNAHME UND MATLAB BASIERTE AUSWERTUNG VON EINGANGSDATEN FÜR PERSONENSIMULATOREN
VOR-ORT AUFNAHME UND MATLAB BASIERTE AUSWERTUNG VON EINGANGSDATEN FÜR PERSONENSIMULATOREN Praktikant: Schwiebacher Johannes Lehrstuhl für Computergestützte Modellierung und Simulation Betreuer: Kielar
MehrErster Schritt mit Mocha:
Was ist Mocha for After Effects CS4? Mocha ist ein Advanced Tracking System das im Gegensatz zu After Effects nicht auf Pixeln und Kontrastkanten basiert, sondern auf Formen die unter Mustererkennung im
MehrMPEG-1, MPEG-2 und MPEG-4. Projekt KlaVid
MPEG-1, MPEG-2 und MPEG-4 Projekt KlaVid Inhalt 1. Was ist MPEG? 2. MPEG-1 Grundsätzliches Verfahren Einsatzgebiete von MPEG-1 3. MPEG-2 Neue Kodierungsmethoden in MPEG-2 Komprimierungsmethoden Zusätzliche
MehrRelAtive SpecTrAl (RASTA) Processing of Speech
RelAtive SpecTrAl (RASTA) Processing of Speech Paul Glad Mihai 23.11.06 Gliederung Einleitung Wieso RASTA? RASTA erläutert Probleme Modulationsspektrum von Sprache Methode RASTA erweitert Lin-Log Rasta
MehrVisual Servoing using Mutual Information
Visual Servoing using Mutual Information Christian Rupprecht Robotics and Embedded Systems Technische Universität München Outline 1 Visual Servoing Was ist Visual Servoing? Typische Lösungsansätze 2 Mutual
MehrDisMod-Repetitorium Tag 3
DisMod-Repetitorium Tag 3 Markov-Ketten 21. März 2018 1 Markov-Ketten Was ist eine Markov-Kette? Was gehört alles dazu? Darstellung als Graph und als Matrix Stationäre Verteilung und Grenzverteilung Ergodizität
Mehr2. Schnitterkennung Videoanalyse
2. Schnitterkennung Videoanalyse Stephan Kopf Inhalt Definition: Schnitt Klassifikation eines Schnittes Vorgehensweise bei der automatischen Schnitterkennung Pixelbasierte Verfahren Histogramme Aggregierte
MehrPreise Kryolipolyse-Behandlung
Preise Kryolipolyse-Behandlung Bauch 200. Männer Brüste 200. Hüften 200. Reiterhosen 200. Innenschenkel 300. Knie 200. Gesäss 200. Oberarme 200. BH-Flanken 200. Für einen schnelleren und noch besseren
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
MehrAlgorithmen zur lageinvarianten Merkmalsgewinnung für Draht gittermodelle
Vortrag zur Diplomarbeit Algorithmen zur lageinvarianten Merkmalsgewinnung für Draht gittermodelle Lehrstuhl für Mustererkennung und Bildverarbeitung Albert Ludwigs Universität Freiburg Marco Reisert Übersicht
MehrAlgorithmen auf Sequenzen Paarweiser Sequenzvergleich: Alignments
Algorithmen auf Sequenzen Paarweiser Sequenzvergleich: Alignments Sven Rahmann Genominformatik Universitätsklinikum Essen Universität Duisburg-Essen Universitätsallianz Ruhr Einführung Bisher: Berechnung
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
MehrSymplifying the Reconstruction of 3D Models using Parameter Elimination
Seminar 3D Rekonstruktion, Priehn, Hannes Priehn, Jens Symplifying the Reconstruction of 3D Models using Parameter Elimination SS2011 Hannes Priehn Jens Priehn Koordinatensysteme Titel, Datum,... 2 Weltkoordinaten
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken
MehrBiomechanische Wirbelsäulenforschung
Automatische Datenauswertung Johann Jakob Preuß Michael Steffes Westfälische Wilhelms-Universität Münster Abschlusspräsentation, 08.07.2008 Gliederung 1 Aktueller Forschungsstand Benötigte Daten Gliederung
MehrGrundproblem: Projektion von 3D in 2D bewirkt Verlust der Tiefeninformation.
12. 3D-Bildanalyse Extraktion von 3D-Information aus einem Bild / aus einer Bildsequenz wichtig für Szenenrekonstruktion wissensbasierte Bildverarbeitung und Bildverstehen Robotik-Anwendungen... Grundproblem:
MehrVorkurs Informatik WiSe 16/17
Institut für Programmierung Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 12.10.2016 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Schilda-Rallye Was steckt
Mehr5.Tutorium Multivariate Verfahren
5.Tutorium Multivariate Verfahren - Hauptkomponentenanalyse - Nicole Schüller: 27.06.2016 und 04.07.2016 Hannah Busen: 28.06.2016 und 05.07.2016 Institut für Statistik, LMU München 1 / 18 Gliederung 1
MehrBild-Erkennung & -Interpretation
Kapitel I Bild-Erkennung & -Interpretation FH Aachen / Jülich, FB 9 Prof. Dr. rer.nat. Walter Hillen (Dig Img I) 1 Einführung Schritte zur Bilderkennung und Interpretation: Bild-Erfassung Vorverarbeitung
MehrBachelorverteidigung Marco Franke
Bachelorverteidigung Java EE Webservice basiert auf RESTlet, JaxB und JPA/Hibernate zur Bilderkennung mit Hilfe der SURF-Merkmalsextraktion Verantwortlicher Professor: Prof. Dr. rer. nat. Klaus Hering
MehrWie findet das Navi den Weg?
0.05.0 Verwandte Fragestellungen Problemstellungen aus der Praxis Prof. Dr. Paul Rawiel Gliederung des Vortrags Speicherung von Kartendaten zur Navigation Kriterien für die Navigation Finden des kürzesten
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
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:
MehrEin Beitrag zur Struktursynthese von Mechanismen. Von der Fakultät für Maschinenwesen der Technischen Universität Hannover zur Erlangung des Grades
Ein Beitrag zur Struktursynthese von Mechanismen Von der Fakultät für Maschinenwesen der Technischen Universität Hannover zur Erlangung des Grades D o k t o r - I n g e n i e u r genehmigte Dissertation
MehrBeschleunigung von Bild-Segmentierungs- Algorithmen mit FPGAs
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Algorithmen mit FPGAs Vortrag von Jan Frenzel Dresden, Gliederung Was ist Bildsegmentierung?
MehrWir gewichten die Kanten von G wie folgt: Kante e 1 e 2 e 3 e 4 e 5 e 6 e 7 e 8 d(e i )
Prof. Dr. U. Faigle J. Voss SS 2011 12. Übung zur Einführung in die Mathematik des Operations Research Dieses Übungsblatt wird nicht mehr gewertet. Aufgabe 1: Sei G = (V, E) ein gerichteter Graph und x
MehrTopologieerkennung von Sensornetzwerken
looz@ira.uka.de Institut für Theoretische Informatik - Algorithmik I 26. Januar 2010 Übersicht Motivation Definitionen Überlegungen Algorithmus Resultate Motivation Definitionen Überlegungen Algorithmus
MehrTransformation - Homogene Koordinaten. y + b )
Transformation - Homogene Koordinaten In der "üblichen" Behandlung werden für die Verschiebung (Translation) und die Drehung (Rotation) verschiedene Rechenvorschriften benutzt - einmal Addition von Vektoren
MehrAndreas Schardt Personal Training Business Fitness
Andreas Schardt Personal Training www.andreasschardt.com Business Fitness Lockere Schultern (Entspannungsübung) Stellen Sie sich gerade hin, die Arme hängen locker am Körper herab. Atmen Sie ein und ziehen
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Minimale aufspannende Bäume und Matchings Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 22. Mai 2011 Outline Minimale aufspannende
MehrAnti-Cellulite Workout
Anti-Cellulite Workout Mit einem Fitnessband lassen sich viele effektive Übungen mit geringem Zeitaufwand durchführen, 2 bis 3 mal wöchentlich 30 Minuten reichen schon für eine straffere Silhouette. Bevor
MehrBewertung des Risikofaktors Ungünstige Haltungen und Bewegungen 1
Bewertung des Risikofaktors Ungünstige Haltungen Bewegungen 1 In der Literatur findet man eine Reihe von Vorschlägen, wie der physiologische Bewegungsraum eines Gelenkes oder einer Körperregion in Risikobereiche
MehrHelmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)
Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).
MehrDatenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität
Datenstrukturen und Algorithmen Christian Sohler FG Algorithmen & Komplexität 1 Clustering: Partitioniere Objektmenge in Gruppen(Cluster), so dass sich Objekte in einer Gruppe ähnlich sind und Objekte
MehrEntwicklung eines Map-Matching- Algorithmus zur Ortung von Fahrzeugen in Stadtgebieten
11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Entwicklung eines Map-Matching- Algorithmus zur Ortung von Fahrzeugen in Stadtgebieten Prof. Dr. Paul Rawiel HFT Stuttgart auf Basis der Bachelor-Arbeit
MehrZur Konsistenz bei der Visualisierung multiskaliger 3D-Stadtmodelle
Institut für Kartographie und Geoinformation Universität Bonn Zur Konsistenz bei der Visualisierung multiskaliger 3D-Stadtmodelle Gerhard Gröger Thomas H. Kolbe Lutz Plümer 40. Sitzung der Arbeitsgruppe
MehrMaturitätsprüfung Mathematik
Maturitätsprüfung 007 Mathematik Klasse 4bN Kantonsschule Solothurn Mathematisch-naturwissenschaftliches Maturitätsprofil Name: Note: Hinweise zur Bearbeitung der Prüfung: Zur Lösung der Aufgaben stehen
MehrDas menschliche Skelett. Mit 10 Schautafeln und drei Riesenpostern zum Ausklappen und Aufhängen
Das menschliche Skelett. Mit 10 Schautafeln und drei Riesenpostern zum Ausklappen und Aufhängen Das menschliche Skelett. Mit 10 Schautafeln und drei Riesenpostern zum Ausklappen und Aufhängen Peter H.
MehrGP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness
GP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness Raters Brad Johanson, Riccardo Poli Seminarvortrag von Thomas Arnold G ˇ ˇ ˇ ˇ WS 2012/13 TU Darmstadt Seminar
MehrSpringseil-Workout mit Fernanda Brandao
Springseil-Workout mit Fernanda Brandao Seilspringen ist ein intensives Ganzkörper-Workout, das die Herzfrequenz nach oben treibt und den Stoffwechsel in Schwung bringt. Neben Körperspannung und Kraftausdauer
MehrWas ist Robotik? Robotik heute:
Grundlagen Was ist Robotik? Das Wort Robot / Roboter entstand 92 in einer Geschichte von Karel Ċapek und geht auf das tschechische Wort robota (rbeit, Fronarbeit) zurück. Dessen Ursprung ist das altkirchenslawische
MehrVisualisierung von Algorithmen
Visualisierung von Algorithmen Petra Hahnfeld Seminar Softwarevisualisierung Betreuer: Dr. Andreas Kerren Proseminar KI, WS 2004/2005 S. 1 SS 2006 TU Kaiserslautern Gliederung 1. Einleitung 2. Concept
MehrComputergrafik Universität Osnabrück, Henning Wenke,
Computergrafik Universität Osnabrück, Henning Wenke, 2012-05-14 Kapitel V: Modeling Transformation & Vertex Shader 5.1 Vertex Definitionen: Vertex Vertex Computergrafik Mathematischer Punkt auf einer Oberfläche
Mehr2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37
2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge
MehrBipartite Graphen. Beispiele
Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten
MehrPerfekter Bauch-Workout
FIT FOR FUN Whitepaper Perfekter Bauch-Workout Mit einem einfachen Bauch-Fitness-Programm das Bauchfett wegtrainieren, Muskeln aufbauen und den Kalorien-Grundumsatz innerhalb kurzer Zeit steigern: So schaffen
MehrTensoren in der Datenanalyse
Tensoren in der Datenanalyse Edgar Tretschk Universität des Saarlandes 2. Dezember 2015 1 Inhalt 1 Grundlagen 2 Singulärwertzerlegung 3 Ziffernerkennung 4 Bewegungsabläufe 2 Tensoren als mehrdimensionale
MehrWeiterer Aufbau der tiefen Rückenmuskeln mit der Darstellung des Rippenhebers und des Darmbein-Rippen-Muskels am rechten Fuß plantar 42
VORWORT / ZIELSETZUNG 11 BILDTAFELN 23 TAFEL 1 Fußskelett rechter Fuß plantar 24 TAFEL 2 Fußskelett rechter Fuß dorsal 26 TAFEL 3 Konstruktion der Fußwölbung linker Fuß medial 28 TAFEL 4 Fußskelett rechter
MehrMathematik LK M1, 3. KA Analytische Geometrie II / LA II Lösung =( )
Aufgabe 1: Rechnen mit Matrizen und Vektoren Gegeben sind die folgenden Zahlen, Vektoren und Matrizen: r= 1 2 ; s=5; t= 4 25 a= 1 3 ; b= 2 A= 2 2 4 2 1 G= 2 1 2 1 1 6 ; c= 2 1 = ; d 4 4 2 1 ; C= 1 3 5
MehrPreise Kryolipolyse-Behandlung
Preise Kryolipolyse-Behandlung Bauch 200. Männer Brüste 200. Hüften 200. Reiterhosen 200. Innenschenkel 300. Knie 200. Gesäss 200. Oberarme 200. BH-Flanken 200. Für einen schnelleren und noch besseren
MehrStereo Vision. Projekt zu Grundlagen der Computer Vision. Sommersemester 2008
Stereo Vision Projekt zu Grundlagen der Computer Vision Sommersemester 2008 Stereo Vision Computer Vision: Rekonstruktion von Objektoberflächen aus Bildern Stereo Vision: - Gleichzeitige Aufnahme eines
MehrAnimation motorischer Grundfertigkeiten
Projektdokumentation Animation motorischer Grundfertigkeiten Projektleitung: Ist Folgeprojekt von: Ziel: Umsetzung durch: Mag. Dr. Barbara HOTTER Multimediale Lehr- und Lernhilfen im Sport Animierte Bewegungssequenzen
MehrMap Matching. Problem: GPS-Punkte der Trajektorie weisen einen relativ großen Abstand zueinander auf.
Map Matching Problem: GPS-Punkte der Trajektorie weisen einen relativ großen Abstand zueinander auf. Ergebnis mit minimaler Fréchet-Distanz Annahme: Fahrer wählen bevorzugt kürzeste Wege im Straßennetz.
MehrD-CHAB Frühlingssemester 2018
D-CHAB Frühlingssemester 2018 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 4 1) Nur für die folgenden Wahlen kann man das Produkt bilden: A A mit Dimension (2, 2) (2, 2) (2, 2): 1 2 A Y mit Dimension
MehrQuantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA)
Quantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA) Clemens Geitner, Andreas Mayr & Martin Rutzinger Institut für Geographie, Universität Innsbruck Clemens Geitner Jahrestreffen
MehrDeutsches Regelwerk für 2er VFS 2018
Deutsches Regelwerk für 2er VFS 2018 Inhalt 1. Einleitung... 1 2. Änderungen gegenüber der vorherigen Version... 1 3. Regeln 2er VFS... 2 4. Definition Griffe... 3 4.1. Randoms... 3 4.2. Blocks... 3 5.
MehrGestaltgesetze. Grundlagen der Gestaltung. bbw Berlin Internet Grundlagen Seite 1 / 21
bbw Berlin Internet Grundlagen Seite 1 / 21 Das Ganze ist mehr als die Summe seiner Teile Die Gestaltgesetze dienen in der menschlichen Wahrnehmung der Raumaufteilung in Figur und (Hinter-)Grund. bbw Berlin
MehrKapitel 1: Fallstudie Bipartite Graphen Gliederung der Vorlesung
Kapitel : Fallstudie Bipartite Graphen Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und. Minimal spannende Bäume. Kürzeste Wege 6. Traveling Salesman
MehrVerfahren zur Parametrisierung von Markoffschen Zustandsmodellen zur Mobilitätsmodellierung
Verfahren zur Parametrisierung von Markoffschen Zustandsmodellen zur Mobilitätsmodellierung ITG Workshop 5.2.1 und 5.2.4. 24.3.2006, München Dr.-Ing. Michael Schopp Siemens AG basierend auf eigenen Arbeiten
MehrEffiziente Überwachung von Laufzeiteigenschaften in Soft- und Hardware
Effiziente Überwachung von Laufzeiteigenschaften in Soft- und Hardware Normann Decker 1 Philip Gottschling 2 1 Institut für Softwaretechnik und Programmiersprachen Universität zu Lübeck decker@isp.uni-luebeck.de
MehrÜbungen. Kraft und Beweglichkeit
Übungen Kraft und Beweglichkeit Beweglichkeit Rumpf Wir liegen auf der linken Seite. Die Beine sind angewinkelt, die Arme liegen übereinander gestreckt vor uns. Jetzt drehen wir unseren Oberkörper nach
MehrInformationsverarbeitung am Beispiel digitaler Bilder
Münchner Wissenschaftstage Vorträge für Alle Informationsverarbeitung am Beispiel digitaler Bilder Univ.-Prof. Dr.-Ing. Klaus Diepold Lehrstuhl für Datenverarbeitung Information in for ma tion 1. Wissen,
MehrMorphing. von Tim Sternberg. Im Rahmen des Seminars Manipulation und Verarbeitung digitaler Bilder
von Tim Sternberg Im Rahmen des Seminars Manipulation und Verarbeitung digitaler Bilder Einleitung Mit Morphing wird der fließende Übergang eines Bildes in ein anderes bezeichnet. Zwei digitale Bilder
MehrProspektive Erfassung neu erkrankter Patienten mit einem Malignen Melanom der Haut in Niedersachsen. Zwischenauswertung Dezember 2003
197 Wegener Folien-04/07/08_MM/B Mittwoch 07.07.2004 17:31:20 Prospektive Erfassung neu erkrankter Patienten mit einem Malignen Melanom der Haut in Niedersachsen Zwischenauswertung Dezember 2003 G. Wegener
MehrDynamische Programmierung
Dynamische Programmierung Claudia Gerhold 9.5.6 Claudia Gerhold Dynamische Programmierung 9.5.6 / 4 Agenda Einführung Dynamische Programmierung Top-Down Ansatz mit Memoization Bottom-Up Ansatz 3 Anwendungsbeispiele
Mehr