Semantische Kantendetektion mit Neuronalen Netzen

Abstract

In dieser Arbeit werden Neuronale Netze zur semantischen Kantendetektion verwendet. Im Fokus steht dabei die grundlegende Erkennung von Autos in Bildern. Unter Verwendung unterschiedlicher Netzkonfigurationen soll durch Vergleiche untersucht werden, welche Einflüsse die einzelnen Hyperparameter des Neuronalen Netzes auf die Ergebnisse haben. Für die Gewinnung aussagekräftiger Erkenntnisse wird pro Szenario ein Hyperparameter des Netzes geändert. Diese Erkenntnisse sollen dann dazu genutzt werden, um die Ergebnisqualität zu steigern. Dabei hat sich gezeigt, dass die Größe der erfassten Merkmale einen wesentlichen Einfluss auf die Ergebnisse haben. Zudem sollte der Bilddatensatz möglichst alle unterschiedlichen Konditionen umfassen wie die Bereitstellung von genügend Beispielbildern ohne Autos.

In this thesis, neural networks are used for semantic edge detection. The focus is on the basic detection of cars in images. Using different network configurations, comparisons are made to investigate the influence of the individual hyperparameters of the neural network on the results. To gain meaningful insights, one hyperparameter of the network will be changed per scenario. These findings will then be used to improve the quality of the results. It has been shown that the size of the features captured have a significant impact on the results. In addition, the image dataset should include all different conditions such as provid-ing enough sample images without cars.