Fulltext available Open Access
DC FieldValueLanguage
dc.contributor.advisorMeisel, Andreas-
dc.contributor.authorBoessenkool, Marten
dc.date.accessioned2020-09-29T12:48:18Z-
dc.date.available2020-09-29T12:48:18Z-
dc.date.created2014
dc.date.issued2014-11-18
dc.identifier.urihttp://hdl.handle.net/20.500.12738/6802-
dc.description.abstractIn dieser Arbeit werden Faltungsnetze zur Erkennung von Handgesten verwendet. Diese Gesten beschränken sich dabei auf die Anzahl gezeigten Fingern einer Hand. Unter Verwendung unterschiedlicher Netzkonfigurationen soll festgestellt werden, wo die Möglichkeiten und Grenzen des Lernprozesses eines Computers in dieser Frage liegen. Um ein aussagekräftigen Ergebnisses zu erreichen, werden Trainings- und Testdatensätze unter unterschiedlichen Verhältnissen erstellt. Auch werden diese in einigen Experimenten vermischt, um realistischere Bedingungen zu simulieren. Dabei hat sich herausgestellt, dass für eine gute Erkennungsrate alle möglichen Bedingungen wie unterschiedliche Kontraste explizit trainiert werden müssen.de
dc.description.abstractIn this thesis, convolutional networks are used for hand gesture recognition. These gestures are limited to the amount of ngers shown with one hand. Possibilities and limits of the computer learning process are determined using di erent network con gurations. Training and test data are recorded in various simpli ed conditions and enhanced by mixed experiments to simulate realistic conditions. It has been exposed that every single possibility like di erent contrast has to be trained explicitely to get good detection rates.en
dc.language.isodede
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/-
dc.subject.ddc004 Informatik
dc.titleErkennung von Handgesten mit Faltungsnetzwerkende
dc.typeThesis
openaire.rightsinfo:eu-repo/semantics/openAccess
thesis.grantor.departmentDepartment Informatik
thesis.grantor.placeHamburg
thesis.grantor.universityOrInstitutionHochschule für angewandte Wissenschaften Hamburg
tuhh.contributor.refereePareigis, Stephan-
tuhh.gvk.ppn803829329
tuhh.identifier.urnurn:nbn:de:gbv:18302-reposit-68042-
tuhh.note.externpubl-mit-pod
tuhh.note.intern1
tuhh.oai.showtrueen_US
tuhh.opus.id2772
tuhh.publication.instituteDepartment Informatik
tuhh.type.opusBachelor Thesis-
dc.subject.gndMaschinelles Lernen
dc.type.casraiSupervised Student Publication-
dc.type.dinibachelorThesis-
dc.type.driverbachelorThesis-
dc.type.statusinfo:eu-repo/semantics/publishedVersion
dc.type.thesisbachelorThesis
dcterms.DCMITypeText-
tuhh.dnb.statusdomain-
item.languageiso639-1de-
item.fulltextWith Fulltext-
item.creatorGNDBoessenkool, Marten-
item.creatorOrcidBoessenkool, Marten-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.openairetypeThesis-
item.advisorGNDMeisel, Andreas-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
Appears in Collections:Theses
Files in This Item:
File Description SizeFormat
BA_Boessenkool.pdf4.86 MBAdobe PDFView/Open
Show simple item record

Page view(s)

107
checked on Jun 15, 2024

Download(s)

220
checked on Jun 15, 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.