User: Guest  Login
Original title:
Learning under Ambiguity through Multiple Predictions 
Translated title:
Lernen trotz Mehrdeutigkeit mit multiplen Hypothesen 
Year:
2018 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Navab, Nassir (Prof. Dr.) 
Referee:
Navab, Nassir (Prof. Dr.); Hager, Gregory D. (Prof., Ph.D.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
Computer Science, Deep Learning, Ambiguity 
Translated keywords:
Informatik, Deep Learning, Mehrdeutigkeit 
TUM classification:
MED 230d; DAT 760d 
Abstract:
Nearly all real-world image understanding problems in computer vision are inherently ambiguous. Often, predictive systems do not model this ambiguity and do not consider the possibility that there can be more than just a single outcome for a given problem. This leads to sub-par performance on ambiguous tasks as the model has to account for all possibilities with one answer. We define three typical sources of confusion that render tasks not optimally solvable with a single unique prediction....    »
 
Translated abstract:
Im Bereich des Bildverstehens sind fast alle Problemstellungen inhärent mehrdeutig. Viele Methoden modellieren diese Uneindeutigkeit nicht explizit und können deshalb nur schwer mit Szenarien umgehen, in denen es mehr als ein mögliches Ergebnis gibt. Das liegt daran, dass in diesen Systemen alle Möglichkeiten in einer einzigen Antwort zusammengemischt werden müssen. Wir definieren drei Quellen von Mehrdeutigkeit. Da Fotos eine zweidimensionale Projektion der echten Welt sind, können wir als...    »
 
Oral examination:
06.12.2018 
File size:
27532670 bytes 
Pages:
169 
Last change:
01.08.2019