Fulltext available Open Access
DC FieldValueLanguage
dc.contributor.advisorZukunft, Olaf-
dc.contributor.authorDhungel, Aashrika-
dc.date.accessioned2023-08-23T08:32:00Z-
dc.date.available2023-08-23T08:32:00Z-
dc.date.created2020-08-19-
dc.date.issued2023-08-23-
dc.identifier.urihttp://hdl.handle.net/20.500.12738/14073-
dc.description.abstractDurch DeepLearning können verschiedene manuelle Arbeiten wie dieKlassifizierung von Bildern durchgeführt werden.Im Rahmen dieser Arbeit wird eine mögliche Lösung für die mehrstufige Klassifizierung von Modeartikel-Bildern anhand mehrerer Merkmale mit DeepLearning erstellt. Dafür werden mehrere Architekturen von KonvolutionalenNeuronalen Netzwerken aufgebaut und trainiert. Die Lösung wird getestet und analysiert. DarüberhinauswirddieMöglichkeitderErweiterungderLösungauchindieserArbeit diskutiert, umdieLösungindierealeWelteinzuführen.de
dc.description.abstractVarious manual tasks like classification of images can be replaced by deeplearning. In this thesis, a possible solution for the multi-levelclassification of image sof fashion items in basis of different properties with deeplearning has been found. Many Architectures of Convolutional Neural Networks are build and trained for it.The solution is tested and analysed. Furthermore, a possibility to expand the solution to introduce it in the real world is also discussed in this thesis.en
dc.language.isodeen_US
dc.subjectKünstliche Intelligenzen_US
dc.subjectDeep Learningen_US
dc.subjectKonvolutionale Neuronale Netzwerkeen_US
dc.subjectArtificial Intelligenceen_US
dc.subjectDeep Learningen_US
dc.subjectConvolutional Neural Networken_US
dc.subject.ddc004: Informatiken_US
dc.titleDeep Learning für die Klassifikation von Bildernde
dc.typeThesisen_US
openaire.rightsinfo:eu-repo/semantics/openAccessen_US
thesis.grantor.departmentDepartment Informatiken_US
thesis.grantor.departmentFakultät Technik und Informatiken_US
thesis.grantor.universityOrInstitutionHochschule für Angewandte Wissenschaften Hamburgen_US
tuhh.contributor.refereeSteffens, Ulrike-
tuhh.identifier.urnurn:nbn:de:gbv:18302-reposit-161578-
tuhh.oai.showtrueen_US
tuhh.publication.instituteDepartment Informatiken_US
tuhh.publication.instituteFakultät Technik und Informatiken_US
tuhh.type.opusBachelor Thesis-
dc.type.casraiSupervised Student Publication-
dc.type.dinibachelorThesis-
dc.type.driverbachelorThesis-
dc.type.statusinfo:eu-repo/semantics/publishedVersionen_US
dc.type.thesisbachelorThesisen_US
dcterms.DCMITypeText-
tuhh.dnb.statusdomainen_US
item.advisorGNDZukunft, Olaf-
item.creatorGNDDhungel, Aashrika-
item.languageiso639-1de-
item.cerifentitytypePublications-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
item.creatorOrcidDhungel, Aashrika-
item.fulltextWith Fulltext-
item.grantfulltextopen-
item.openairetypeThesis-
Appears in Collections:Theses
Files in This Item:
File Description SizeFormat
Thesis_geschwärzt_Aashrika Dhungel.pdf8.13 MBAdobe PDFView/Open
Show simple item record

Page view(s)

150
checked on Nov 27, 2024

Download(s)

149
checked on Nov 27, 2024

Google ScholarTM

Check

HAW Katalog

Check

Note about this record


Items in REPOSIT are protected by copyright, with all rights reserved, unless otherwise indicated.