Benutzer: Gast  Login
Originaltitel:
Deep Representation Learning for Object Perception Based on Attention Mechanisms
Übersetzter Titel:
Tiefes Repräsentationslernen für die Objektwahrnehmung basierend auf Aufmerksamkeitsmechanismen
Autor:
Cao, Hu
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Knoll, Alois Christian (Prof. Dr. habil.)
Gutachter:
Knoll, Alois Christian (Prof. Dr. habil.); Chen, Guang (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 260; DAT 815
Kurzfassung:
Deep representation learning has shown remarkable capability for learning feature representations from data. Recently, attention mechanisms have been introduced into deep representation learning to mimic the working principle of the human visual system. The goal of this thesis is to improve the performance of deep representation models by using attention mechanisms in applications of object detection and grasp detection.
Übersetzte Kurzfassung:
Tiefes Repräsentationslernen hat eine bemerkenswerte Fähigkeit zum Lernen von Merkmalsrepräsentationen aus Daten gezeigt. Kürzlich wurden Aufmerksamkeitsmechanismen in das tiefe Repräsentationslernen eingeführt, um das Arbeitsprinzip des menschlichen visuellen Systems zu imitieren. Das Ziel dieser Arbeit ist es, die Leistung von tiefen Repräsentationsmodellen zu verbessern, indem Aufmerksamkeitsmechanismen in Anwendungen der Objekterkennung und Greiferfassung eingesetzt werden.
WWW:
https://mediatum.ub.tum.de/?id=1704677
Eingereicht am:
12.04.2023
Mündliche Prüfung:
29.11.2023
Dateigröße:
21093845 bytes
Seiten:
117
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231129-1704677-1-7
Letzte Änderung:
31.01.2024
 BibTeX