Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Globally Optimal Solutions for Unit-Norm Constrained Computer Vision Problems
Übersetzter Titel:
Global optimale Lösungen für Unit-norm Constrained Vision Probleme
Autor:
Liu, Yinlong
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
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:
In many safety-critical computer vision applications, it is mostly desired to seek the optimal solutions with provable guarantee in presence of noise and outliers. Therefore, in this thesis, globally optimal solutions for unit-norm constrained computer vision problems are investigated. Specifically, the globally optimal solutions are provided by the branch-and-bound algorithm, which is a deterministic global optimization algorithm.
Übersetzte Kurzfassung:
In vielen sicherheitskritischen Computer Vision Anwendungen ist es erwünscht nachweisbar optimale Lösungen mit einer Optimalitätsgarantie bei vorhandenem Rauschen und Ausreißern in den Daten zu finden. Deswegen, erforscht diese Dissertation global optimale Lösungen für Unit-norm Constrained Vision Probleme. Genauer gesagt werden die global optimalen Lösungen mithilfe eines Branch-and-Bound Algorithmus, welcher ein deterministischer global optimaler Optimierungsalgorithmus ist, gefunden.
WWW:
https://mediatum.ub.tum.de/?id=1639379
Eingereicht am:
03.02.2022
Mündliche Prüfung:
26.07.2022
Dateigröße:
76075518 bytes
Seiten:
169
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220726-1639379-1-3
Letzte Änderung:
22.08.2022
 BibTeX