Home | english  | Impressum | Sitemap | KIT
Klassifikation von Zeichen unter Berücksichtigung einer Rückweisungsklasse
Typ:

Studienarbeit

Betreuer:

Dipl.-Ing. Martin Grafmüller

Status:

abgeschlossen

Abgabedatum:

Juli 2011

Hintergrund:
Da auch in der Industrie die Zeichenerkennung immer mehr an Bedeutung gewinnt, steigt das Interesse an so genannten Smart Cameras. Sie ermöglichen es nicht nur Bilder zu erfassen, sondern sie werten diese auch aus. Dazu zählt die Segmentierung der Zeichen, Berechnung von Merkmalen, die Klassifikation und schließlich die Ausgabe des Ergebnisses. Das hat den Vorteil, dass externe Rechnersysteme weitgehend überflüssig werden, was zum einen die Kosten reduziert, aber auch eine Platzersparnis mit sich bringt.
Die Klassifikation von Zeichen an sich ist keine große Schwierigkeit mehr, da viele Klassifikatoren in diesem Feld der Mustererkennung bereits untersucht wurden. Eine große Herausforderung stellt allerdings die Klassifikation von Zeichen mit zusätzlicher Berücksichtigung einer Rückweisungsklasse dar. In der Rückweisungsklasse sollten alle Arten von Symbolen enthalten sein, die nicht in der Klasse der Zeichen enthalten sind. Dies ermöglicht nicht nur die Klassifikation der Zeichen, sondern auch eine Aussage darüber ob es sich um ein Zeichen handelt oder nicht.

Aufgabe:
Bei dieser Arbeit steht nicht die Wahl des Klassifikators im Vordergrund, sondern mögliche Verfahren zum Berücksichtigen von Rückweisungsklassen bei der Klassifikation. Hier liegt das Problem in der unendlichen Anzahl an Rückweisungsstichproben, die man für das erfolgreiche Training des Klassifikators haben müsste. Zu diesem Problem ist zunächst eine fundierte Literaturrecherche durchzuführen, um über den Stand der Dinge einen Überblick zu bekommen. Zudem sollen dadurch Ideen über eine mögliche Herangehensweise gesammelt werden. Die aussichtsreichsten Verfahren sollten implementiert und anschließend evaluiert werden. Die daraus gewonnenen Ergebnisse sind in einer schriftlichen Ausarbeitung festzuhalten und in einem Vortrag, hier am IES, vorzustellen.

Was Sie mitbringen sollten:
  • Grundkenntnisse Mustererkennung und Maschinenlernen
  • Freude am selbständigen Arbeiten
  • Programmierkenntnisse in C/C++ oder MATLAB