Volltextdatei(en) in REPOSIT vorhanden Open Access
DC ElementWertSprache
dc.contributor.advisorvon Luck, Kai-
dc.contributor.authorDrössler, Lars
dc.date.accessioned2020-09-29T14:17:52Z-
dc.date.available2020-09-29T14:17:52Z-
dc.date.created2017
dc.date.issued2017-06-23
dc.identifier.urihttp://hdl.handle.net/20.500.12738/8053-
dc.description.abstractIn dieser Arbeit wird eine Auswahl an Verfahren vorgestellt und auf ihre Eignung zur Klassifizierung natürlicher Objekte untersucht. Hierzu werden eine Reihe von Experimenten basierend auf publizierten Verfahren durchgeführt, in denen überprüft wird, wie gut die entsprechenden Verfahren natürliche Objekte in Fotos erkennen können. Als natürliche Objekte wurden für diese Testreihe verschiedene Gemüse- und Obstsorten gewählt. Diese Arbeit ist dazu ausgelegt, als Entscheidungshilfe für die Erstellung von Anwendungen zu dienen, in welchen es notwendig ist natürliche Objekte korrekt zu klassifizieren.de
dc.description.abstractThis paper presents a selection of methods and examines them for their suitability to recognize natural objects. For this purpose, a series of experiments based on published procedures are conducted. These experiments test how said procedures perform and if they are used to recognize natural objects in images. The natural objects used in these experiments are different kinds of vegetables and fruits. This paper is intended to serve as a decision-making aid for the implementation of an application which should, amongst other things, recognize natural objects.en
dc.language.isodede
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/-
dc.subjectConvolutional Neural Networkde
dc.subjectSIFTde
dc.subjectSURFde
dc.subjectORBde
dc.subjectAKAZEde
dc.subjectDeep-Learningde
dc.subjectFoodde
dc.subjectComputer Visionde
dc.subjectHaar-like Featuresde
dc.subjectConvolutional Neural Networken
dc.subjectSIFTen
dc.subjectSURFen
dc.subjectORBen
dc.subjectAKAZEen
dc.subjectDeep Learningen
dc.subjectFooden
dc.subjectComputer Visionen
dc.subjectHaar-like featuresen
dc.subject.ddc004 Informatik
dc.titleEignungsuntersuchung von Klassifikations- und Deep-Learning-Verfahren zurkamerabasierten Erkennung natürlicher Objektede
dc.title.alternativeExamination of classification and deep learning procedures for the camera basedrecognition of natural objects.en
dc.typeThesis
openaire.rightsinfo:eu-repo/semantics/openAccess
thesis.grantor.departmentDepartment Informatik
thesis.grantor.placeHamburg
thesis.grantor.universityOrInstitutionHochschule für angewandte Wissenschaften Hamburg
tuhh.contributor.refereeMeisel, Andreas-
tuhh.gvk.ppn890884617
tuhh.identifier.urnurn:nbn:de:gbv:18302-reposit-80556-
tuhh.note.externpubl-mit-pod
tuhh.note.intern1
tuhh.oai.showtrueen_US
tuhh.opus.id4004
tuhh.publication.instituteDepartment Informatik
tuhh.type.opusBachelor Thesis-
dc.subject.gndMaschinelles Sehen
dc.subject.gndKamera
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.creatorGNDDrössler, Lars-
item.fulltextWith Fulltext-
item.creatorOrcidDrössler, Lars-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.advisorGNDvon Luck, Kai-
item.languageiso639-1de-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
item.openairetypeThesis-
Enthalten in den Sammlungen:Theses
Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat
Bachelorarbeit_Lars_Droessler.pdf1.48 MBAdobe PDFÖffnen/Anzeigen
Zur Kurzanzeige

Seitenansichten

141
checked on 27.12.2024

Download(s)

93
checked on 27.12.2024

Google ScholarTM

Prüfe

HAW Katalog

Prüfe

Feedback zu diesem Datensatz


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.