Learning Efficient Sensing for Active Vision (Esensing)

• Applicant: Professor Dr. Thomas Martinetz
• Subject Area: Image and Language Processing, Computer Graphics and Visualisation, Human Computer Interaction, Ubiquitous and Wearable Computing
• Term: from 2011 to 2016
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 200335461

Agenten in der realen Welt, ausgestattet mit limitierten Ressourcen zur Informationsverarbeitung, müssen effiziente Strategien zur Informationsaufnahme einsetzen. Neue theoretische Ergebnisse zum Compressed Sensing versprechen völlig neue Ansätze zur effizienten Informationsaufnahme. Unser Projekt soll diese Ansätze für Active Vision nutzen, sie erweitern und deren Grenzen ausloten. Zunächst wollen wir Compressed Sensing und Prinzipien des Active Vision zu einer hierarchischen Informationsaufnahme zusammenführen und dadurch die Effizienz signifikant steigern. Die daraus resultierenden Strategien der bildbasierten Informationsaufnahme sollen sich an spezielle Bildklassen (z.B. Landschaften, Gesichter, Text, etc.) oder Aufgaben (z.B. Objektsuche) anpassen. Dazu entwickeln und nutzen wir Verfahren des maschinellen Lernens, die auf den Gütemaßen des Compressed Sensing agieren und mit Ansätzen des ”reinforcement learning” aus dem Bereich Active Vision verknüpft werden sollen. Damit kann der Agent seine Strategie der Informationsaufnahme an Umgebungen und Aufgaben anpassen. Schließlich wollen wir die Erkenntnisse für ein besseres Verständnis des menschlichen aktiven Sehens nutzen und mit ”eye-tracking” Experimenten untermauern. Die experimentellen Daten sollen für entsprechende ”challenges” zur Verfügung gestellt werden.

• DFG Programme: Priority Programmes
• Subproject of: SPP 1527: Autonomous Learning
• Participating Person: Professor Dr.-Ing. Erhardt Barth