Home | english  | Impressum | Datenschutz | Sitemap | KIT

Kontakt
Karlsruher Institut für Technologie
Lehrstuhl für Interaktive Echtzeitsysteme

Prof. Dr.- Ing. Jürgen Beyerer
c/o Technologiefabrik
Haid-und-Neu-Str. 7
76131 Karlsruhe

Tel:  +49 721 - 608 45910
Fax: +49 721 - 608 45926

Willkommen am Lehrstuhl für Interaktive Echtzeitsysteme

IES

Prof. Dr.-Ing. J. Beyerer

Aktuell

*Die ASB Vorlesung am Montag 23.12.19 findet nicht statt.

 

Klausur Automatische Sichtprüfung und Bildverarbeitung

Die schriftliche Prüfung im Fach ASB wird am Montag, 24.02.2020 - 14:00 bis 16:00 Uhr in Hörsaal Gerthsen stattfinden.

Klausur Mensch-Maschine-Wechselwirkung
•    Schriftlich Prüfung: Prüfungsdauer 60 Minuten, Gesamtdauer 90 Minuten
•    Ort: Gaede-Hoersaal
•    Termine:
        o    31. März 2020, 11 Uhr (Anmeldung über Campus-Management bis 24. März)
        o    29. Juli 2020, 11 Uhr (Nachholtermin, Anmeldung über Campus-Management bis 22. Juli)

Probabilistiche Planung

Bitte beachten Sie, dass die Vorlesung Probabilistische Planung nicht länger angeboten wird. Die Unterlagen zur letzten Vorlesungsreihe finden sie hier.

Neue Adresse

Der Lehrstuhl ist an einen neuen Standort in der Technologiefabrik umgezogen.

Lehrbuch zur Mustererkennung

Am 11. Dezember 2017 erschien das Lehrbuch "Beyerer, Richter, Nagel: Pattern Recognition: Introduction, Features, Classifiers and Principles". Weitere Information finden Sie auf der Seite des De Gruyter Verlags.

Vorlesungsangebot
Das Vorlesungsangebot des Lehrstuhls finden Sie hier.

Lehrbuch zur Automatischen Sichtprüfung
Am 30. September 2012 erschien das Lehrbuch "Beyerer, Puente León, Frese: Automatische Sichtprüfung, Grundlagen, Methoden und Praxis der Bildgewinnung und Bildauswertung". Weitere Information finden Sie auf der Lehrbuch-Seite oder auf der Seite vom Springer-Verlag.

Karlsruher Zentrum für Materialsignaturen
Der Lehrstuhl für Interaktive Echtzeitsysteme hat sich mit anderen Instituten des KIT und dem Fraunhofer IOSB zum Karlsruher Zentrum für Materialsignaturen KCM zusammengeschlossen. Weitere Informationen finden Sie auf der Seite des KCM.

Bachelor-, Master-, Studien- und Diplomarbeiten zu vergeben: Weitere Informationen finden Sie hier.

 
 
Der Faktor Mensch bei der Objektbestimmung: Verfahren zur Berücksichtigung von Unsicherheit
Typ:

Diplomarbeit

Betreuer:

Dipl.-Math. Susanne Eckel

Status:

abgeschlossen

Abgabedatum:

März 2009

Bei der Objektbestimmung werden Objekte anhand von Merkmalen einer bestimmten Klasse zugeordnet. Die betrachteten Objekte können sich durch unterschiedliche Merkmalsausprägungen charakterisieren. Ziel des Klassifikationsvorgangs ist es diese bestmöglich zu beschreiben und somit im optimalen Fall eine Übereinstimmung des Ergebnisses mit dem tatsächlichen Objekt zu erhalten.

Der Benutzer wird in seiner Entscheidung durch Faktoren beeinusst, beispielsweise durch personenabhängige Faktoren, wie zum Beispiel dem Vorwissen über die Domäne. Einussfaktoren können auch personenunabhängig sein, beispielsweise die Qualität der Quelle (zum Beispiel ein digitales Bild). Diese Faktoren sind potenzielle Fehlerquellen im Bestimmungsprozess.

Am Fraunhofer IITB wurde das Erkennungsunterstützungsprogramm RecceMan R (ReconnaissanceManual) entwickelt. Speziell ausgerichtet auf die Objektbestimmung aus Luft- oder Satellitenbildern, wie zum Beispiel die Bestimmung von Landfahrzeugen, Schiffen und Flugzeugen, unterstützt das System den Bewerter, indem es nach jeder Merkmalsauswahl eine nach Übereinstimmung geordnete Liste von Typen angibt.

Im Rahmen der Diplomarbeit "Der Faktor Mensch in der Objektbestimmung - Verfahren zur Berücksichtigung von Unsicherheit" wird untersucht, in welcher Form die Unsicherheit in den Prozess der Objektbestimmung einbezogen werden soll. Um die durch Unsicherheit entstehende Fehlerrate zu kontrollieren, bzw. reduzieren, wurden Verfahren entwickelt, welche diesen Faktor berücksichtigen. Anhand eines Versuchs werden Trainingsdaten ermittelt, welche dann zur Bestimmung der Verfahrensparameter benötigt werden. Die Auswertung mittels beider Verfahren ermöglicht einen Vergleich.

Zwei Verfahren stehen bei dem empirischen Versuch im Vordergrund. Zum einen ein Verfahren, welches die M oglichkeit bietet explizit die eigene Unsicherheit in Form einer Sicherheitsklasse (zum Beispiel "sicher", "möglich", "nicht sicher") anzugeben. In diesem Zusammenhang ist der Satz von Bayes wesentlicher Bestandteil der Auswertung. Das Verfahren ermöglicht es, die (bedingten) Wahrscheinlichkeiten je nach Einstufung der Sicherheit zu gewichten.

Ferner liegt die Konzentration auf dem so genannten Distanzklassifikator. Der Grundgedanke hierbei ist dem beobachteten Merkmal einen Wert zuzuordnen, der die Distanz zwischen dem beobachteten Objektmerkmal und den vorgegebenen möglichen Objektklassen angibt. Der geringste Abstand steht somit für die stärkste Zugehörigkeit.

Zum Vergleich beider Verfahren war es zwingend notwendig ein Maß zum Vergleich zu finden. Neben dem "harten" Ergebnis, d. h. die Position der richtigen Objektklasse zu betrachten, galt es die Verfahren auch während des Bestimmungsprozesses zu untersuchen.

Für den Versuch wurde eine fiktive Domäne geschaffen, welche ein relativ einheitliches Vorwissen (nämlich bestenfalls keins) und eine möglichst universelle Aussage ermöglicht.

Anhand der Ergebnisse wurde abschließend die Frage geklärt in welcher Form die menschliche Unsicherheit im Prozess der Objektbestimmung explizit einflißen soll und wie diese zu modellieren ist.