Login
- Originaltitel:
- Few-Shot Object Detection in Industrial Applications
- Originaluntertitel:
- Training Accurate Models with Few Annotations
- Übersetzter Titel:
- Few-Shot Objekterkennung in industriellen Anwendungen
- Übersetzter Untertitel:
- Trainieren von genauen Modellen mit wenigen Annotationen
- Autor:
- Follmann, Patrick Moritz
- Jahr:
- 2021
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- Fakultät für Informatik
- Betreuer:
- Steger, Carsten (Prof. Dr.)
- Gutachter:
- Steger, Carsten (Prof. Dr.); Schiele, Bernt (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik
- Stichworte:
- image processing, object detection, few-shot, instance segmentation
- Übersetzte Stichworte:
- Bildverarbeitung, Objekterkennung, Few-Shot, Instance Segmentation
- TU-Systematik:
- DAT 760; DAT 770
- Kurzfassung:
- This thesis develops methods to reduce the large annotation effort of current deep-learning-based algorithms for object detection with pixel-precise regions in images. Data generation techniques with semi-automatic annotation and few-shot models that require fewer training images are presented. The methods are evaluated on a novel industrial dataset and with a novel evaluation measure that better includes the model’s precision.
- Übersetzte Kurzfassung:
- Diese Arbeit entwickelt Verfahren um den großen Annotationsaufwand von heutigen Deep Learning basierten Algorithmen für die Objekterkennung mit pixel-genauen Regionen in Bildern zu verringern. Es werden Datengenerierungstechniken mit halb-automatischer Annotation und Few-Shot Modelle vorgestellt, die weniger Trainingsbilder benötigen. Die Methoden werden auf einem neuartigen industriellen Datensatz und mit einem neuen Evaluierungsmaß ausgewertet, das die Modellpräzision besser einbezieht.
- WWW:
- https://mediatum.ub.tum.de/?id=1595888
- Eingereicht am:
- 15.02.2021
- Mündliche Prüfung:
- 22.07.2021
- Dateigröße:
- 80996807 bytes
- Seiten:
- 309
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210722-1595888-1-7
- Letzte Änderung:
- 02.09.2021
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and Technology
- mediaTUM GesamtbestandEinrichtungenSchools TUM School of Computation, Information and TechnologyPrüfungsarbeitenDissertationen