Benutzer: Gast  Login
Originaltitel:
Convex Semantic Priors for Continuous Multi-Label Optimization 
Übersetzter Titel:
Konvexe semantische Prior für kontinuierliche Multi-Label Probleme 
Jahr:
2017 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Cremers, Daniel (Prof. Dr.) 
Gutachter:
Cremers, Daniel (Prof. Dr.); Goldlücke, Bastian (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
Stichworte:
Convex optimization, Continuous Multi-Labeling, Image Segmentation, Semantic Priors, Motion Segmentation, Scene Flow 
Übersetzte Stichworte:
Konvexe Optimierung, Kontinuierliches Multi-Labeling, Bildsegmentierung, Semantisches Vorwissen, Bewegungsschätzung 
TU-Systematik:
DAT 760d; DAT 770d 
Kurzfassung:
This thesis considers the problems of continuous semantic image segmentation and joint motion estimation and segmentation. We propose to incorporate co-occurrence and hierarchical priors into continuous multi-label image segmentation. Furthermore, we propose a novel joint registration and segmentation approach applied to RGB-D frames which is able to even recover non-rigid deformations. Finally, we introduce a novel approach to improve the integrality of the solution of convex relaxed multi-labe...    »
 
Übersetzte Kurzfassung:
Diese Arbeit beschäftigt sich mit dem Problem der kontinuierlichen semantischen Bildsegmentierung und mit der gleichzeitigen Bewegungsschätzung und Segmentierung. Um Vorwissen über das gleichzeitige Auftreten bestimmter Labels zu verwenden, entwickeln wir zwei neuartige Verfahren, basierend auf Kookkurrenzstatistiken und Label-Hierarchien. Darüberhinaus schlagen wir eine neue Methode zur gleichzeitigen Registrierung und Segmentierung von RGB-D Bildfolgen vor, die in der Lage ist auch nicht-rigid...    »
 
Mündliche Prüfung:
01.08.2017 
Dateigröße:
21638155 bytes 
Seiten:
133 
Letzte Änderung:
19.06.2018