Bildsegmentation in Echtzeit mit deterministischem Annealing

• Antragsteller: Professor Dr. Joachim M. Buhmann
• Fachliche Zuordnung: Mathematik
• Förderung: Förderung von 1995 bis 2002
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 5251470

(gekürzt):Das Forschungsvorhaben hat zum Ziel, eine Integration von Bildsegmentierung und Objekterkennung in Echtzeit auf der Basis graphischer Modelle (graphical models) zu realisieren. ... Es setzt sich aus drei Teilaspekten zusammen:1. Integration von Segmentierung und Objekterkennung:A-priori Wissen über zu erkennende Objekte koppelt die Objektklassifikation zurück an die low level Bildverarbeitung. Insbesondere soll in diesem Zusammenhang die Problematik der modellgetriebenen Segmentierung untersucht werden. Hierzu soll eine für diesen Zusammenhang geeignete Formalisierung des a-priori Wissens in Form von Objektmodellen entwickelt werden.2. Entwicklung von Beschleunigungstechniken für Inferenz in Bayes-Netzen:Die Variationsmethoden (mean field Techniken) zur approximativen Inferenz in Bayes-Netzen sollen in Hinblick auf die Problemstellung "Objektmodellierung" erweitert und bzgl. ihrer Effizienz massiv gesteigert werden. Einerseits soll 'deterministic annealing' eingesetzt werden, um die Güte der gefundenen Lösungen zu erhöhen und andererseits sollen die in den beiden ersten Phasen entwickelten Multiskalen-Techniken derart erweitert werden, daß sie zu einer Beschleunigung der Inferenz in Bayes-Netzen verwendet werden können.3. Mathematische Analyse der Optimierungsmethode Deterministisches Annealing:Es hat sich in der vergangenen Projektphase gezeigt, daß die Homotopie-Methode Deterministisches Annealing als approximative strukturelle Risikominimierung interpretiert werden kann. Diese Analyse setzt voraus, daß e-Überdeckungen von Lösungsräumen berechnet werden können. Die dazu benötigte wahre Verteilung der Daten steht in der Regel nicht zur Verfügung. Die Information über die notwendige Approximationsgüte muß durch verteilungsunabhängige Schranken berechnet werden. Eine besondere Bedeutung kommt bei diesem Forschungsvorhaben der Echtzeitoptimierung zu, da das Bildsegmentierungs- und Objekterkennungssystem auf dem autonomen Roboter RHINO eingesetzt werden soll. Für diesen Einsatz bestehen harte Echtzeitanforderungen mit zulässigen Optimierungszeiten im Bereich von höchsten einigen Sekunden.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 469: Echtzeit-Optimierung großer Systeme