Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Automating and Assisting Image Segmentation with Decision Forests
Übersetzter Titel:
Automatierte und Assistierte Bildsegmentierung mit Random Forests
Autor:
Peter, Loic
Jahr:
2017
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Navab, Nassir (Prof. Dr.)
Gutachter:
Navab, Nassir (Prof. Dr.); Lepetit, Vincent (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; MED Medizin
TU-Systematik:
MED 230d; DAT 760d
Kurzfassung:
This thesis aims at facilitating image segmentation objectives for both computer vision and medical applications. Building on the framework of decision forests, we (i) introduce an efficient and generic scale-adaptive forest training scheme for automatic image understanding, (ii) entangle segmentation with image exploration to examine large digital slides in histopathology, and (iii) model the segmentation task as a 20 Questions game towards hands-free human-computer interactions.
Übersetzte Kurzfassung:
Diese Dissertation fokussiert sich auf Bildsegmentierung für allgemeines Bildverstehen und medizinische Anwendungen. Wir führen drei auf Random Forests basierende Beiträge ein: (i) eine Trainingsmethode, die informative visuelle Spannbreiten automatisch entdeckt, (ii) eine mit der Segmentierung kombinierten Navigationsstrategie durch riesige histologische Bilder, und (iii) eine Auffassung des Segmentierungsprozesses als ein „Wer bin ich?“-Spiel für handfreie Interaktionen mit einem Benutzer.
WWW:
https://mediatum.ub.tum.de/?id=1324871
Eingereicht am:
15.02.2017
Mündliche Prüfung:
08.09.2017
Dateigröße:
18421745 bytes
Seiten:
136
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20170908-1324871-1-7
Letzte Änderung:
08.05.2018
 BibTeX