Extensible Image Classification

Information

• Publication Type: Bachelor Thesis
• Workgroup(s)/Project(s):
  • Real-Time Shape Acquisition with Sensor-Specific Precision
• Date: August 2019
• Date (Start): 11. April 2019
• Date (End): 16. August 2019
• Matrikelnummer: 8330864
• First Supervisor: Stefan Ohrhallinger
• Second Supervisor: Stefan Ohrhallinger
• Keywords: deep learning, ontology, image classification

Abstract

Struktur des Systems: Input: Bereits segmentierte Objekte 1) Labeling: Input: Objekt(e), Output: Manuelle Zuordnung eines (neuen bzw. korrigierten) Labels pro Objekt 2) Clustering: Input: Cluster mit Objekten, mit k (mindestens, oder genau zwei) verschiedenen Label, Unterteilung durch k-means Clustering, Output: k Cluster von 'ähnlichen' Objekten pro Label 3) Training: Input: Objekte mit Label (ihres Clusters), Output: Network, das die Objekte in die derzeit gelabelten Cluster klassifiziert Dann geht's iterativ mit Schritt 1 weiter - Objekte werden dem User angezeigt und bei Bedarf relabeled, wonach Schritt 2 folgt usw.

Additional Files and Images

Weblinks

No further information available.

BibTeX

@bachelorsthesis{gruber_horst-2019-baa,
  title =      "Extensible Image Classification",
  author =     "Horst Gruber",
  year =       "2019",
  abstract =   "Struktur des Systems: Input: Bereits segmentierte Objekte 1)
               Labeling: Input: Objekt(e), Output: Manuelle Zuordnung eines
               (neuen bzw. korrigierten) Labels pro Objekt 2) Clustering:
               Input: Cluster mit Objekten, mit k (mindestens, oder genau
               zwei) verschiedenen Label, Unterteilung durch k-means
               Clustering, Output: k Cluster von '\"{a}hnlichen' Objekten
               pro Label 3) Training: Input: Objekte mit Label (ihres
               Clusters), Output: Network, das die Objekte in die derzeit
               gelabelten Cluster klassifiziert Dann geht's iterativ mit
               Schritt 1 weiter - Objekte werden dem User angezeigt und bei
               Bedarf relabeled, wonach Schritt 2 folgt usw.",
  month =      aug,
  address =    "Favoritenstrasse 9-11/E193-02, A-1040 Vienna, Austria",
  school =     "Research Unit of Computer Graphics, Institute of Visual
               Computing and Human-Centered Technology, Faculty of
               Informatics, TU Wien ",
  keywords =   "deep learning, ontology, image classification",
  URL =        "https://www.cg.tuwien.ac.at/research/publications/2019/gruber_horst-2019-baa/",
}