Verfügbarkeit: Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette

Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette:

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Steinert, Lilli (VerfasserIn)
Format:	Abschlussarbeit Buch
Sprache:	German
Veröffentlicht:	Ilmenau ISLE 2020
Schlagworte:	Deep learning Bildverarbeitung Dimensionsreduktion Cluster-Analyse Bildanalyse Klassifikator > Informatik Bildaufzeichnung Merkmalsextraktion Unüberwachtes Lernen Bildsegmentierung unüberwachtes Lernen Deep Learning Künstliche Intelligenz maschinelles Lernen Klassifikation Clustering Hochschulschrift
Online-Zugang:	Inhaltsverzeichnis Inhaltsverzeichnis
Beschreibung:	Abweichender Titel auf dem Buchrücken: Unüberwachtes Lernen in der Bildverarbeitung
Beschreibung:	XVIII, 189 Seiten Illustrationen 25 cm
ISBN:	9783948595012 3948595011

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV046997047
003	DE-604
005	20210902
007	t
008	201113s2020 gw a\|\|\| m\|\|\| 00\|\|\| ger d
015			\|a 20,N30 \|2 dnb
015			\|a 20,A44 \|2 dnb
015			\|a 20,H11 \|2 dnb
016	7		\|a 1213826705 \|2 DE-101
020			\|a 9783948595012 \|c Broschur : EUR 53.00 (DE), EUR 54.50 (AT) \|9 978-3-948595-01-2
020			\|a 3948595011 \|9 3-948595-01-1
024	3		\|a 9783948595012
035			\|a (OCoLC)1226705832
035			\|a (DE-599)DNB1213826705
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-TH
049			\|a DE-12 \|a DE-83
082	0		\|a 006.42 \|2 23/ger
084			\|a ZN 6050 \|0 (DE-625)157498: \|2 rvk
084			\|8 2\p \|a 621.3 \|2 sdnb
084			\|8 1\p \|a 004 \|2 sdnb
100	1		\|a Steinert, Lilli \|e Verfasser \|0 (DE-588)1213248167 \|4 aut
245	1	0	\|a Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette \|c Lilli Haar
246	1	3	\|a Unüberwachtes Lernen in der Bildverarbeitung
264		1	\|a Ilmenau \|b ISLE \|c 2020
300			\|a XVIII, 189 Seiten \|b Illustrationen \|c 25 cm
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
500			\|a Abweichender Titel auf dem Buchrücken: Unüberwachtes Lernen in der Bildverarbeitung
502			\|b Dissertation \|c Technische Universität Ilmenau \|d 2020
650	0	7	\|a Deep learning \|0 (DE-588)1135597375 \|2 gnd \|9 rswk-swf
650	0	7	\|a Bildverarbeitung \|0 (DE-588)4006684-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Dimensionsreduktion \|0 (DE-588)4224279-4 \|2 gnd \|9 rswk-swf
650	0	7	\|a Cluster-Analyse \|0 (DE-588)4070044-6 \|2 gnd \|9 rswk-swf
650	0	7	\|a Bildanalyse \|0 (DE-588)4145391-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Klassifikator \|g Informatik \|0 (DE-588)4288547-4 \|2 gnd \|9 rswk-swf
650	0	7	\|a Bildaufzeichnung \|0 (DE-588)4006575-3 \|2 gnd \|9 rswk-swf
650	0	7	\|a Merkmalsextraktion \|0 (DE-588)4314440-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Unüberwachtes Lernen \|0 (DE-588)4580265-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Bildsegmentierung \|0 (DE-588)4145448-0 \|2 gnd \|9 rswk-swf
653			\|a Bildverarbeitung
653			\|a unüberwachtes Lernen
653			\|a Deep Learning
653			\|a Künstliche Intelligenz
653			\|a maschinelles Lernen
653			\|a Klassifikation
653			\|a Clustering
655		7	\|0 (DE-588)4113937-9 \|a Hochschulschrift \|2 gnd-content
689	0	0	\|a Bildverarbeitung \|0 (DE-588)4006684-8 \|D s
689	0	1	\|a Bildaufzeichnung \|0 (DE-588)4006575-3 \|D s
689	0	2	\|a Bildanalyse \|0 (DE-588)4145391-8 \|D s
689	0	3	\|a Bildsegmentierung \|0 (DE-588)4145448-0 \|D s
689	0	4	\|a Merkmalsextraktion \|0 (DE-588)4314440-8 \|D s
689	0	5	\|a Unüberwachtes Lernen \|0 (DE-588)4580265-8 \|D s
689	0	6	\|a Cluster-Analyse \|0 (DE-588)4070044-6 \|D s
689	0	7	\|a Klassifikator \|g Informatik \|0 (DE-588)4288547-4 \|D s
689	0	8	\|a Deep learning \|0 (DE-588)1135597375 \|D s
689	0	9	\|a Dimensionsreduktion \|0 (DE-588)4224279-4 \|D s
689	0		\|5 DE-604
710	2		\|a ISLE Steuerungstechnik und Leistungselektronik e.V. \|0 (DE-588)1064125948 \|4 pbl
856	4	2	\|m B:DE-101 \|q application/pdf \|u https://d-nb.info/1213826705/04 \|3 Inhaltsverzeichnis
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032404786&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-032404786
883	2		\|8 1\p \|a ie-sg \|d 20201020 \|q DE-101 \|u https://d-nb.info/provenance/plan#ie-sg
883	2		\|8 2\p \|a ie-sg \|d 20201020 \|q DE-101 \|u https://d-nb.info/provenance/plan#ie-sg

Datensatz im Suchindex

_version_	1804181943309303808
adam_text	INHALTSVERZEICHNIS ABBILDUNGSVERZEICHNIS ........................................................................................................... VIII TABELLENVERZEICHNIS ................................................................................................................. XII ABKUERZUNGSVERZEICHNIS ........................................................................................................... XV SYMBOLVERZEICHNIS ................................................................................................................ XVII 1 EINLEITUNG .......................................................................................................................... 1 A AKTUELLER STAND DER TECHNIK IN DEN BEREICHEN MASCHINELLES LERNEN UND BILDVERARBEITUNG .................................................................................................................. 4 2 GRUNDLAGEN DES MASCHINELLEN LERNENS ............................................................................. 4 2.1 KUENSTLICHE INTELLIGENZ UND MASCHINELLES LERNEN ALS ZUKUNFTSWEISENDE TECHNOLOGIEN .................................................................................................................... 4 2.2 KLASSIFIKATION - EIN ANWENDUNGSFALL DES UEBERWACHTEN LERNENS ............................... 6 2.2.1 GRUNDBEGRIFFE ......................................................................................................... 6 2.2.2 ABSTANDSMESSENDE ALGORITHMEN K-NAECHSTE-NACHBAM UND IBK ............................ 9 2.2.3 AUF ENTSCHEIDUNGSBAEUMEN BASIERENDE KLASSIFIKATOREN J48, RANDOM TREE UND RANDOM FOREST ................................................................................................... 11 2.2.4 NAIVE BAYES - EIN VERTRETER DER STATISTISCHEN KLASSIFIKATOREN ............................ 14 2.2.5 SUPPORT-VEKTOR-MASCHINEN ................................................................................. 15 2.2.6 CONVOLUTIONAL NEURAL NETWORK ALS VERTRETER DES DEEP LEAMINGS ...................... 17 2.3 CLUSTERING - EIN ANWENDUNGSFALL DES UNUEBERWACHTEN LERNENS ............................... 25 2.3.1 PARTITIONIERENDE CLUSTER-BILDUNG MIT K-MEANS ................................................... 28 2.3.2 PROBABILISTISCHES CLUSTERING-VERFAHREN EXPECTATION MAXIMIZATION (EM) ........ 30 3 GRUNDLAGEN DER DIGITALEN BILDVERARBEITUNG .................................................................... 34 3.1 BILDGEWINNUNG UND BILDVORVERARBEITUNG ................................................................ 35 3.2 ERMITTLUNG DER VORDERGRUNDREGIONEN DURCH SEGMENTIERUNG UND ANSCHLIESSENDE MERKMALSBERECHNUNG ............................................................................................... 36 3.3 VORVERARBEITUNG DES DATENSATZES ............................................................................. 39 3.3.1 DETEKTION VON AUSREISSERN ................................................................................... 39 3.3.2 ERWEITERUNG DES TRAININGSDATENSATZES ................................................................ 40 3.3.3 REDUKTION DES MERKMALSVEKTORS ......................................................................... 41 3.4 KLASSIFIKATORWAHL IN VORBEREITUNG DES KLASSIFIKATORTRAININGS .................................. 44 3.5 EVALUATION DER KLASSIFIKATIONS- UND CLUSTERING-ERGEBNISSE .................................... 45 4 PRAEZISIERTE AUFGABENSTELLUNG .......................................................................................... 45 VI I NHALTSVERZEICHNIS B THEORETISCHE UNTERSUCHUNGEN ZU UNTERSTUETZENDEN EINSATZMOEGLICHKEITEN UNUEBERWACHTER LERNVERFAHREN ENTLANG DER BILDVERARBEITUNGSKETTE UND ZUM DEEP LEARNING ............ 48 5 ERLAEUTERUNGEN ZU VERWENDETEN DATENSAETZEN, SOFTWARE UND ALGORITHMEN ...................... 48 5.1 AUSGEWAEHLTE DATENSAETZE ............................................................................................ 48 5.2 SOFTWARE ZUR BILDVERARBEITUNG UND AUTOMATISIERTEN ANWENDUNG MASCHINELLER LEMVERFAHREN ........................................................................................................... 55 5.3 AUSGEWAEHLTE KLASSIFIKATOREN UND CLUSTERING-ALGORITHMEN FUER DEN EXPERIMENTELLEN EINSATZ ....................................................................................................................... 58 5.4 GUETEMASSE ZUR EVALUATION UND ZUM VERGLEICH DER KLASSIFIKATIONS- UND CLUSTERING- ERGEBNISSE ................................................................................................................. 59 5.5 BILDVORVERARBEITUNG, SEGMENTIERUNG UND MERKMALSBERECHNUNG ............................ 62 5.6 AUSGEWAEHLTE MASSNAHMEN ZUR DATENSATZVORVERARBEITUNG ....................................... 67 5.6.1 ANPASSUNG DER MERKMALSAUSPRAEGUNGEN ............................................................... 67 5.6.2 METHODEN ZUR DETEKTION UND BEHANDLUNG VON AUSREISSERN ................................. 68 5.6.3 DATENSATZERWEITERUNG UNTER NUTZUNG DER ERGEBNISSE DES UEBERWACHTEN UND DES UNUEBERWACHTEN LERNENS ....................................................................................... 72 5.6.4 REDUKTION DES MERKMALSVEKTORS .......................................................................... 75 5.7 UNTERSTUETZUNG DER WAHL GEEIGNETER KLASSIFIKATOREN DURCH UNUEBERWACHTE LEMVERFAHREN OHNE VORHANDENES A-PRIORI-WISSEN ................................................ 81 5.8 GEGENUEBERSTELLUNG DES EINSATZES INNOVATIVER DEEP-LEAMING-ANSAETZE IM VERGLEICH ZU KLASSISCHEN VERFAHREN ......................................................................................... 86 C EXPERIMENTELLE UNTERSUCHUNGEN ZU UNTERSTUETZENDEN EINSATZMOEGLICHKEITEN UNUEBERWACHTER LERNVERFAHREN ENTLANG DER BILDVERARBEITUNGSKETTE UND GEGENUEBERSTELLUNG ZUM DEEP LEARNING ................................................................. 91 6 UMSETZUNG UND ANWENDUNG THEORETISCHER UEBERLEGUNGEN .............................................. 91 6.1 SEGMENTIERUNG UND MERKMALSBERECHNUNG ANHAND DER STREULICHTBILD-DATENSAETZE ..91 6.2 AUSREISSERDETEKTION MIT LOF, LOOP UND CBLOF ................................................. 95 6.3 ERWEITERUNG DER DATENSAETZE MIT SYNTHETISCHEN BILDERN .......................................... 108 6.4 VERGLEICH UNTERSCHIEDLICHER VERFAHREN ZUR MERKMALSSELEKTION BZW. DIMENSIONSREDUKTION .............................................................................................. 112 6.5 AUF ERGEBNISSEN DES UNUEBERWACHTEN LERNENS BASIERENDE WAHL EINES GEEIGNETEN KLASSIFIKATORS .......................................................................................................... 123 6.6 UNTERSUCHUNG ZUM EINSATZ INNOVATIVER DEEP-LEAMING-ANSAETZE IM VERGLEICH ZU KLASSISCHEN VERFAHREN ............................................................................................. 129 6.6.1 VERGLEICH KONVENTIONELLER KLASSIFIKATOREN UND TIEFER NEURONALER NETZE BEZUEGLICH DER ERKENNUNGSLEISTUNG ....................................................................... 129 I NHALTSVERZEICHNIS VII 6.6.2 VERGLEICH ZWISCHEN KLASSISCHEN UND DURCH ALEXNET BERECHNETEN MERKMALEN BEZUEGLICH DER KLASSIFIKATION .............................................................................. 132 6.6.3 VERGLEICH ZWISCHEN KLASSISCHEN UND DURCH ALEXNET BERECHNETEN MERKMALEN BEZUEGLICH DES CLUSTERINGS ................................................................................. 133 7 ZUSAMMENFASSUNG UND AUSBLICK .................................................................................. 134 LITERATURVERZEICHNIS ................................................................................................................ 141 ANHANG A - AUFLISTUNG VON AUSFUEHRUNGSMOEGLICHKEITEN UND VERFAHREN ZU EINIGEN SCHRITTEN DER BILDVERARBEITUNGSKETTE ............................................................................................................. 158 ANHANG B - WEITERFUEHRENDE AUSEINANDERSETZUNG MIT GUETEMASSEN FUER DIE BEURTEILUNG VON CLUSTERING-ERGEBNISSEN ........................................................................................................... 163 ANHANG C - VERWENDETE MERKMALE NACH DATENSAETZEN ........................................................... 164 ANHANG D - ABBILDUNGEN UND TABELLEN ZUR AUSREISSERDETEKTION ............................................ 176
adam_txt	INHALTSVERZEICHNIS ABBILDUNGSVERZEICHNIS . VIII TABELLENVERZEICHNIS . XII ABKUERZUNGSVERZEICHNIS . XV SYMBOLVERZEICHNIS . XVII 1 EINLEITUNG . 1 A AKTUELLER STAND DER TECHNIK IN DEN BEREICHEN MASCHINELLES LERNEN UND BILDVERARBEITUNG . 4 2 GRUNDLAGEN DES MASCHINELLEN LERNENS . 4 2.1 KUENSTLICHE INTELLIGENZ UND MASCHINELLES LERNEN ALS ZUKUNFTSWEISENDE TECHNOLOGIEN . 4 2.2 KLASSIFIKATION - EIN ANWENDUNGSFALL DES UEBERWACHTEN LERNENS . 6 2.2.1 GRUNDBEGRIFFE . 6 2.2.2 ABSTANDSMESSENDE ALGORITHMEN K-NAECHSTE-NACHBAM UND IBK . 9 2.2.3 AUF ENTSCHEIDUNGSBAEUMEN BASIERENDE KLASSIFIKATOREN J48, RANDOM TREE UND RANDOM FOREST . 11 2.2.4 NAIVE BAYES - EIN VERTRETER DER STATISTISCHEN KLASSIFIKATOREN . 14 2.2.5 SUPPORT-VEKTOR-MASCHINEN . 15 2.2.6 CONVOLUTIONAL NEURAL NETWORK ALS VERTRETER DES DEEP LEAMINGS . 17 2.3 CLUSTERING - EIN ANWENDUNGSFALL DES UNUEBERWACHTEN LERNENS . 25 2.3.1 PARTITIONIERENDE CLUSTER-BILDUNG MIT K-MEANS . 28 2.3.2 PROBABILISTISCHES CLUSTERING-VERFAHREN EXPECTATION MAXIMIZATION (EM) . 30 3 GRUNDLAGEN DER DIGITALEN BILDVERARBEITUNG . 34 3.1 BILDGEWINNUNG UND BILDVORVERARBEITUNG . 35 3.2 ERMITTLUNG DER VORDERGRUNDREGIONEN DURCH SEGMENTIERUNG UND ANSCHLIESSENDE MERKMALSBERECHNUNG . 36 3.3 VORVERARBEITUNG DES DATENSATZES . 39 3.3.1 DETEKTION VON AUSREISSERN . 39 3.3.2 ERWEITERUNG DES TRAININGSDATENSATZES . 40 3.3.3 REDUKTION DES MERKMALSVEKTORS . 41 3.4 KLASSIFIKATORWAHL IN VORBEREITUNG DES KLASSIFIKATORTRAININGS . 44 3.5 EVALUATION DER KLASSIFIKATIONS- UND CLUSTERING-ERGEBNISSE . 45 4 PRAEZISIERTE AUFGABENSTELLUNG . 45 VI I NHALTSVERZEICHNIS B THEORETISCHE UNTERSUCHUNGEN ZU UNTERSTUETZENDEN EINSATZMOEGLICHKEITEN UNUEBERWACHTER LERNVERFAHREN ENTLANG DER BILDVERARBEITUNGSKETTE UND ZUM DEEP LEARNING . 48 5 ERLAEUTERUNGEN ZU VERWENDETEN DATENSAETZEN, SOFTWARE UND ALGORITHMEN . 48 5.1 AUSGEWAEHLTE DATENSAETZE . 48 5.2 SOFTWARE ZUR BILDVERARBEITUNG UND AUTOMATISIERTEN ANWENDUNG MASCHINELLER LEMVERFAHREN . 55 5.3 AUSGEWAEHLTE KLASSIFIKATOREN UND CLUSTERING-ALGORITHMEN FUER DEN EXPERIMENTELLEN EINSATZ . 58 5.4 GUETEMASSE ZUR EVALUATION UND ZUM VERGLEICH DER KLASSIFIKATIONS- UND CLUSTERING- ERGEBNISSE . 59 5.5 BILDVORVERARBEITUNG, SEGMENTIERUNG UND MERKMALSBERECHNUNG . 62 5.6 AUSGEWAEHLTE MASSNAHMEN ZUR DATENSATZVORVERARBEITUNG . 67 5.6.1 ANPASSUNG DER MERKMALSAUSPRAEGUNGEN . 67 5.6.2 METHODEN ZUR DETEKTION UND BEHANDLUNG VON AUSREISSERN . 68 5.6.3 DATENSATZERWEITERUNG UNTER NUTZUNG DER ERGEBNISSE DES UEBERWACHTEN UND DES UNUEBERWACHTEN LERNENS . 72 5.6.4 REDUKTION DES MERKMALSVEKTORS . 75 5.7 UNTERSTUETZUNG DER WAHL GEEIGNETER KLASSIFIKATOREN DURCH UNUEBERWACHTE LEMVERFAHREN OHNE VORHANDENES A-PRIORI-WISSEN . 81 5.8 GEGENUEBERSTELLUNG DES EINSATZES INNOVATIVER DEEP-LEAMING-ANSAETZE IM VERGLEICH ZU KLASSISCHEN VERFAHREN . 86 C EXPERIMENTELLE UNTERSUCHUNGEN ZU UNTERSTUETZENDEN EINSATZMOEGLICHKEITEN UNUEBERWACHTER LERNVERFAHREN ENTLANG DER BILDVERARBEITUNGSKETTE UND GEGENUEBERSTELLUNG ZUM DEEP LEARNING . 91 6 UMSETZUNG UND ANWENDUNG THEORETISCHER UEBERLEGUNGEN . 91 6.1 SEGMENTIERUNG UND MERKMALSBERECHNUNG ANHAND DER STREULICHTBILD-DATENSAETZE .91 6.2 AUSREISSERDETEKTION MIT LOF, LOOP UND CBLOF . 95 6.3 ERWEITERUNG DER DATENSAETZE MIT SYNTHETISCHEN BILDERN . 108 6.4 VERGLEICH UNTERSCHIEDLICHER VERFAHREN ZUR MERKMALSSELEKTION BZW. DIMENSIONSREDUKTION . 112 6.5 AUF ERGEBNISSEN DES UNUEBERWACHTEN LERNENS BASIERENDE WAHL EINES GEEIGNETEN KLASSIFIKATORS . 123 6.6 UNTERSUCHUNG ZUM EINSATZ INNOVATIVER DEEP-LEAMING-ANSAETZE IM VERGLEICH ZU KLASSISCHEN VERFAHREN . 129 6.6.1 VERGLEICH KONVENTIONELLER KLASSIFIKATOREN UND TIEFER NEURONALER NETZE BEZUEGLICH DER ERKENNUNGSLEISTUNG . 129 I NHALTSVERZEICHNIS VII 6.6.2 VERGLEICH ZWISCHEN KLASSISCHEN UND DURCH ALEXNET BERECHNETEN MERKMALEN BEZUEGLICH DER KLASSIFIKATION . 132 6.6.3 VERGLEICH ZWISCHEN KLASSISCHEN UND DURCH ALEXNET BERECHNETEN MERKMALEN BEZUEGLICH DES CLUSTERINGS . 133 7 ZUSAMMENFASSUNG UND AUSBLICK . 134 LITERATURVERZEICHNIS . 141 ANHANG A - AUFLISTUNG VON AUSFUEHRUNGSMOEGLICHKEITEN UND VERFAHREN ZU EINIGEN SCHRITTEN DER BILDVERARBEITUNGSKETTE . 158 ANHANG B - WEITERFUEHRENDE AUSEINANDERSETZUNG MIT GUETEMASSEN FUER DIE BEURTEILUNG VON CLUSTERING-ERGEBNISSEN . 163 ANHANG C - VERWENDETE MERKMALE NACH DATENSAETZEN . 164 ANHANG D - ABBILDUNGEN UND TABELLEN ZUR AUSREISSERDETEKTION . 176
any_adam_object	1
any_adam_object_boolean	1
author	Steinert, Lilli
author_GND	(DE-588)1213248167
author_facet	Steinert, Lilli
author_role	aut
author_sort	Steinert, Lilli
author_variant	l s ls
building	Verbundindex
bvnumber	BV046997047
classification_rvk	ZN 6050
ctrlnum	(OCoLC)1226705832 (DE-599)DNB1213826705
dewey-full	006.42
dewey-hundreds	000 - Computer science, information, general works
dewey-ones	006 - Special computer methods
dewey-raw	006.42
dewey-search	006.42
dewey-sort	16.42
dewey-tens	000 - Computer science, information, general works
discipline	Informatik Elektrotechnik / Elektronik / Nachrichtentechnik
discipline_str_mv	Informatik Elektrotechnik / Elektronik / Nachrichtentechnik
format	Thesis Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03632nam a2200829 c 4500</leader><controlfield tag="001">BV046997047</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20210902 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">201113s2020 gw a\|\|\| m\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">20,N30</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">20,A44</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">20,H11</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1213826705</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783948595012</subfield><subfield code="c">Broschur : EUR 53.00 (DE), EUR 54.50 (AT)</subfield><subfield code="9">978-3-948595-01-2</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3948595011</subfield><subfield code="9">3-948595-01-1</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783948595012</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1226705832</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1213826705</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-TH</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-12</subfield><subfield code="a">DE-83</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.42</subfield><subfield code="2">23/ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ZN 6050</subfield><subfield code="0">(DE-625)157498:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">2\p</subfield><subfield code="a">621.3</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Steinert, Lilli</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1213248167</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette</subfield><subfield code="c">Lilli Haar</subfield></datafield><datafield tag="246" ind1="1" ind2="3"><subfield code="a">Unüberwachtes Lernen in der Bildverarbeitung</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Ilmenau</subfield><subfield code="b">ISLE</subfield><subfield code="c">2020</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XVIII, 189 Seiten</subfield><subfield code="b">Illustrationen</subfield><subfield code="c">25 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Abweichender Titel auf dem Buchrücken: Unüberwachtes Lernen in der Bildverarbeitung</subfield></datafield><datafield tag="502" ind1=" " ind2=" "><subfield code="b">Dissertation</subfield><subfield code="c">Technische Universität Ilmenau</subfield><subfield code="d">2020</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Deep learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Bildverarbeitung</subfield><subfield code="0">(DE-588)4006684-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Dimensionsreduktion</subfield><subfield code="0">(DE-588)4224279-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Cluster-Analyse</subfield><subfield code="0">(DE-588)4070044-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Bildanalyse</subfield><subfield code="0">(DE-588)4145391-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Klassifikator</subfield><subfield code="g">Informatik</subfield><subfield code="0">(DE-588)4288547-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Bildaufzeichnung</subfield><subfield code="0">(DE-588)4006575-3</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Merkmalsextraktion</subfield><subfield code="0">(DE-588)4314440-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Unüberwachtes Lernen</subfield><subfield code="0">(DE-588)4580265-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Bildsegmentierung</subfield><subfield code="0">(DE-588)4145448-0</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Bildverarbeitung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">unüberwachtes Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Deep Learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Künstliche Intelligenz</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">maschinelles Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Klassifikation</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Clustering</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Bildverarbeitung</subfield><subfield code="0">(DE-588)4006684-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Bildaufzeichnung</subfield><subfield code="0">(DE-588)4006575-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Bildanalyse</subfield><subfield code="0">(DE-588)4145391-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Bildsegmentierung</subfield><subfield code="0">(DE-588)4145448-0</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="4"><subfield code="a">Merkmalsextraktion</subfield><subfield code="0">(DE-588)4314440-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="5"><subfield code="a">Unüberwachtes Lernen</subfield><subfield code="0">(DE-588)4580265-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="6"><subfield code="a">Cluster-Analyse</subfield><subfield code="0">(DE-588)4070044-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="7"><subfield code="a">Klassifikator</subfield><subfield code="g">Informatik</subfield><subfield code="0">(DE-588)4288547-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="8"><subfield code="a">Deep learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="9"><subfield code="a">Dimensionsreduktion</subfield><subfield code="0">(DE-588)4224279-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">ISLE Steuerungstechnik und Leistungselektronik e.V.</subfield><subfield code="0">(DE-588)1064125948</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">B:DE-101</subfield><subfield code="q">application/pdf</subfield><subfield code="u">https://d-nb.info/1213826705/04</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032404786&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-032404786</subfield></datafield><datafield tag="883" ind1="2" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">ie-sg</subfield><subfield code="d">20201020</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#ie-sg</subfield></datafield><datafield tag="883" ind1="2" ind2=" "><subfield code="8">2\p</subfield><subfield code="a">ie-sg</subfield><subfield code="d">20201020</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#ie-sg</subfield></datafield></record></collection>
genre	(DE-588)4113937-9 Hochschulschrift gnd-content
genre_facet	Hochschulschrift
id	DE-604.BV046997047
illustrated	Illustrated
index_date	2024-07-03T15:55:27Z
indexdate	2024-07-10T08:59:41Z
institution	BVB
institution_GND	(DE-588)1064125948
isbn	9783948595012 3948595011
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-032404786
oclc_num	1226705832
open_access_boolean
owner	DE-12 DE-83
owner_facet	DE-12 DE-83
physical	XVIII, 189 Seiten Illustrationen 25 cm
publishDate	2020
publishDateSearch	2020
publishDateSort	2020
publisher	ISLE
record_format	marc
spelling	Steinert, Lilli Verfasser (DE-588)1213248167 aut Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette Lilli Haar Unüberwachtes Lernen in der Bildverarbeitung Ilmenau ISLE 2020 XVIII, 189 Seiten Illustrationen 25 cm txt rdacontent n rdamedia nc rdacarrier Abweichender Titel auf dem Buchrücken: Unüberwachtes Lernen in der Bildverarbeitung Dissertation Technische Universität Ilmenau 2020 Deep learning (DE-588)1135597375 gnd rswk-swf Bildverarbeitung (DE-588)4006684-8 gnd rswk-swf Dimensionsreduktion (DE-588)4224279-4 gnd rswk-swf Cluster-Analyse (DE-588)4070044-6 gnd rswk-swf Bildanalyse (DE-588)4145391-8 gnd rswk-swf Klassifikator Informatik (DE-588)4288547-4 gnd rswk-swf Bildaufzeichnung (DE-588)4006575-3 gnd rswk-swf Merkmalsextraktion (DE-588)4314440-8 gnd rswk-swf Unüberwachtes Lernen (DE-588)4580265-8 gnd rswk-swf Bildsegmentierung (DE-588)4145448-0 gnd rswk-swf Bildverarbeitung unüberwachtes Lernen Deep Learning Künstliche Intelligenz maschinelles Lernen Klassifikation Clustering (DE-588)4113937-9 Hochschulschrift gnd-content Bildverarbeitung (DE-588)4006684-8 s Bildaufzeichnung (DE-588)4006575-3 s Bildanalyse (DE-588)4145391-8 s Bildsegmentierung (DE-588)4145448-0 s Merkmalsextraktion (DE-588)4314440-8 s Unüberwachtes Lernen (DE-588)4580265-8 s Cluster-Analyse (DE-588)4070044-6 s Klassifikator Informatik (DE-588)4288547-4 s Deep learning (DE-588)1135597375 s Dimensionsreduktion (DE-588)4224279-4 s DE-604 ISLE Steuerungstechnik und Leistungselektronik e.V. (DE-588)1064125948 pbl B:DE-101 application/pdf https://d-nb.info/1213826705/04 Inhaltsverzeichnis DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032404786&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p ie-sg 20201020 DE-101 https://d-nb.info/provenance/plan#ie-sg 2\p ie-sg 20201020 DE-101 https://d-nb.info/provenance/plan#ie-sg
spellingShingle	Steinert, Lilli Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette Deep learning (DE-588)1135597375 gnd Bildverarbeitung (DE-588)4006684-8 gnd Dimensionsreduktion (DE-588)4224279-4 gnd Cluster-Analyse (DE-588)4070044-6 gnd Bildanalyse (DE-588)4145391-8 gnd Klassifikator Informatik (DE-588)4288547-4 gnd Bildaufzeichnung (DE-588)4006575-3 gnd Merkmalsextraktion (DE-588)4314440-8 gnd Unüberwachtes Lernen (DE-588)4580265-8 gnd Bildsegmentierung (DE-588)4145448-0 gnd
subject_GND	(DE-588)1135597375 (DE-588)4006684-8 (DE-588)4224279-4 (DE-588)4070044-6 (DE-588)4145391-8 (DE-588)4288547-4 (DE-588)4006575-3 (DE-588)4314440-8 (DE-588)4580265-8 (DE-588)4145448-0 (DE-588)4113937-9
title	Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette
title_alt	Unüberwachtes Lernen in der Bildverarbeitung
title_auth	Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette
title_exact_search	Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette
title_exact_search_txtP	Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette
title_full	Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette Lilli Haar
title_fullStr	Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette Lilli Haar
title_full_unstemmed	Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette Lilli Haar
title_short	Möglichkeiten des unterstützenden Einsatzes unüberwachter maschineller Lernverfahren entlang der Bildverarbeitungskette
title_sort	moglichkeiten des unterstutzenden einsatzes unuberwachter maschineller lernverfahren entlang der bildverarbeitungskette
topic	Deep learning (DE-588)1135597375 gnd Bildverarbeitung (DE-588)4006684-8 gnd Dimensionsreduktion (DE-588)4224279-4 gnd Cluster-Analyse (DE-588)4070044-6 gnd Bildanalyse (DE-588)4145391-8 gnd Klassifikator Informatik (DE-588)4288547-4 gnd Bildaufzeichnung (DE-588)4006575-3 gnd Merkmalsextraktion (DE-588)4314440-8 gnd Unüberwachtes Lernen (DE-588)4580265-8 gnd Bildsegmentierung (DE-588)4145448-0 gnd
topic_facet	Deep learning Bildverarbeitung Dimensionsreduktion Cluster-Analyse Bildanalyse Klassifikator Informatik Bildaufzeichnung Merkmalsextraktion Unüberwachtes Lernen Bildsegmentierung Hochschulschrift
url	https://d-nb.info/1213826705/04 http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032404786&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT steinertlilli moglichkeitendesunterstutzendeneinsatzesunuberwachtermaschinellerlernverfahrenentlangderbildverarbeitungskette AT islesteuerungstechnikundleistungselektronikev moglichkeitendesunterstutzendeneinsatzesunuberwachtermaschinellerlernverfahrenentlangderbildverarbeitungskette AT steinertlilli unuberwachteslerneninderbildverarbeitung AT islesteuerungstechnikundleistungselektronikev unuberwachteslerneninderbildverarbeitung

Verfügbarkeit

Es ist kein Print-Exemplar vorhanden.

Fernleihe Bestellen Achtung: Nicht im THWS-Bestand! Inhaltsverzeichnis
Inhaltsverzeichnis

MARC

Datensatz im Suchindex

Es ist kein Print-Exemplar vorhanden.

Ähnliche Einträge