Support Vector Machines in der Bilderkennung.pdf

Support Vector Machines in der Bilderkennung

Niklas Würtele

Studienarbeit aus dem Jahr 2018 im Fachbereich Mathematik - Algebra, Universität Augsburg, Sprache: Deutsch, Abstract: In der vorliegenden Arbeit geht es um Support Vector Machines in der Bilderkennung. Zur Lösung der meisten mathematischen Probleme benötigen wir einen Algorithmus, den wir rechnerisch ausführen können. Diese Abfolge von Operationen wandelt unser Problem als Input in eine Lösung als Output. Was aber, wenn wir einen solchen Algorithmus nicht haben? Zum Beispiel bei der Klassifizierung von E-Mail Spam oder bei der Bilderkennung ist dies oft der Fall. Da im E-Mail-Beispiel die Klassifizierung auch von Person zu Person unterschiedlich ist, wird man nur schwer einen allgemeingültigen Algorithmus für dieses Problem definieren können.Dieses Problem lässt sich allerdings mithilfe einer großen Menge an Daten lösen. Wenn wir nämlich selber klassifizieren, kann der Computer aus unseren Entscheidungen lernen und dadurch neue Objekte selbst einstufen. Eine solche Logik wollen wir nun bei der Erkennung von Haarwurzeln in Bildausschnitten einsetzen. Konkret sollen dazu Support Vector Machines (SVM) genutzt werden, ein Model, das zum überwachten Lernen gezählt wird, man kann also seine Resultate mit den richtigen Ergebnissen vergleichen und damit das Modell validieren. Dazu werden wir zunächst genauer auf dieses Modell eingehen und dann erklären, wie dieses mithilfe von Python auf unser Ausgangsproblem angewandt werden kann.SVMs sind in der Tat in der Lage, ohne Vorgabe einer konkreten Logik gegebene Daten sinnvoll zu klassifizieren. Ein weiterer Vorteil ist, dass im Gegensatz zu anderen Klassifizierungsalgorithmen durch die Transformation zu konvexen Problemen global optimiert wird. Bei höherdimensionalen Anwendungsgebieten wie in unserem Fall der Bilderkennung stößt man allerdings auch das Problem, dass lineare SVMs keine befriedigenden Ergebnisse mehr liefern. Hier auf Kernel SVMs umzusteigen lässt die Komplexität des Problems explodieren und übersteigt die Rechenleistung eines gewöhnlichen Heimcomputers. Für diesen Fall sind vermutlich andere Algorithmen, die gezielt Objekte wiedererkennen, besser geeignet.

Der Begriff Intelligenz trifft in Bezug auf Machine-Learning nicht ganz zu, da es weniger um Intelligenz, viel mehr um durch Maschinen bzw. Computer erkennbare Muster und Genauigkeit geht. Machine Learning befasst sich mit der automatisierten Entwicklung von Algorithmen basierend auf empirischen Daten bzw. Trainings-Daten. Dabei liegt der Fokus auf der Optimierung der Ergebnisse bzw. Arithmetik & Algebra | Tolle Angebote bei Weltbild.de ...

5.52 MB DATEIGRÖSSE
9783668905122 ISBN
Support Vector Machines in der Bilderkennung.pdf

Technik

PC und Mac

Lesen Sie das eBook direkt nach dem Herunterladen über "Jetzt lesen" im Browser, oder mit der kostenlosen Lesesoftware Adobe Digital Editions.

iOS & Android

Für Tablets und Smartphones: Unsere Gratis tolino Lese-App

Andere eBook Reader

Laden Sie das eBook direkt auf dem Reader im www.deeeee.de Shop herunter oder übertragen Sie es mit der kostenlosen Software Sony READER FOR PC/Mac oder Adobe Digital Editions.

Reader

Öffnen Sie das eBook nach der automatischen Synchronisation auf dem Reader oder übertragen Sie es manuell auf Ihr tolino Gerät mit der kostenlosen Software Adobe Digital Editions.

Aktuelle Bewertungen

avatar
Sofya Voigtuh

Arithmetik & Algebra | Tolle Angebote bei Weltbild.ch ... Support Vector Machines in der Bilderkennung (eBook / PDF) Niklas Würtele. eBook Fr. 14.00. Quadratische Terme und Gleichungen vielseitig anwenden. Übungen für die Sekundarstufe (eBook / PDF) Wolfgang Göbels. eBook Fr. 32.00. Einführung in Gröbnerbasen und Anwendungen

avatar
Mattio Müllers

Arithmetik & Algebra | Tolle Angebote bei Weltbild.ch ...

avatar
Noels Schulzen

Support vector machines are not only promising for solving pattern recognition tasks but have also produced several successful applications in medical diagnostics and object detection to date.

avatar
Jason Leghmann

In this lecture, we explore support vector machines in some mathematical detail. We use Lagrange multipliers to maximize the width of the street given certain constraints. If needed, we transform vectors into another space, using a kernel function. PDF Deutsch Ari Usun Elestirisi Ciltli | FAULLOCH PDF

avatar
Jessica Kolhmann

Support Vector Machines (SVM) (Dokumentation) Objekterkennung mit mehrstufigem Objektdetektor (Systemobjekt) Arbeitsablauf und Algorithmen des überwachten Lernens (Machine Learning) (Dokumentation) Trainieren eines mehrstufigen Objektdetektors (Dokumentation) Siehe auch: Objektdetektion, Objekterkennung, Bilderkennung, Gesichtserkennung, Merkmalsextraktion, Bildsegmentierung, Machine … Mustererkennung – Wikipedia