Fulltext available Open Access
DC FieldValueLanguage
dc.contributor.advisorMeisel, Andreas-
dc.contributor.authorMagierski, Julian
dc.date.accessioned2020-09-29T14:47:29Z-
dc.date.available2020-09-29T14:47:29Z-
dc.date.created2018
dc.date.issued2018-10-05
dc.identifier.urihttp://hdl.handle.net/20.500.12738/8467-
dc.description.abstractDas Thema der Bachelorarbeit ist die Klassifizierung von Radwegen nach deren Gleichmäßigkeit. Zur Datenerfassung wurde ein Fahrrad mit einem montierten Smartphone genutzt. Mit dessen Hilfe wurden Bilder von befahrenen Oberflächen aufgenommen. Diesen Bildern wiederum wurden Messwerte von dem Smartphone Sensoren zugeordnet. Ziel ist es mit einem Faltungsnetzwerk Bildaufnahmen zu klassifizieren. In der Arbeit wurde eine Methode untersucht bei der die Trainingsdaten manuell per Hand gelabelt wurden und eine mit regelbasierten Labeln der Daten mit Fuzzy Logik. Die Grenzen sowie Möglichkeiten der Verfahren wurden anschließend diskutiert.de
dc.description.abstractThe topic of this bachelor thesis is the classification of cycle paths into quality classes. A smartphone installed on a bicycle was used for data collection. These were used to take images of travelled surfaces. The objective is to labeling images for convolutional networks. In this thesis a method was investigated in which the images were manually labelled by hand and one with rule-based labels of the data with fuzzy logic. The limits and possibilities of the methods were then discussed.en
dc.language.isodede
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/-
dc.subject.ddc004 Informatik
dc.titleKlassifizierung von Fahrradwegen mit Hilfe von Faltungsnetzwerkende
dc.title.alternativeClassification of cycle paths using convolutional networksen
dc.typeThesis
openaire.rightsinfo:eu-repo/semantics/openAccess
thesis.grantor.departmentDepartment Informatik
thesis.grantor.placeHamburg
thesis.grantor.universityOrInstitutionHochschule für angewandte Wissenschaften Hamburg
tuhh.contributor.refereeFohl, Wolfgang-
tuhh.gvk.ppn1032328576
tuhh.identifier.urnurn:nbn:de:gbv:18302-reposit-84698-
tuhh.note.externpubl-mit-pod
tuhh.note.intern1
tuhh.oai.showtrueen_US
tuhh.opus.id4399
tuhh.publication.instituteDepartment Informatik
tuhh.type.opusBachelor Thesis-
dc.subject.gndMaschinelles Lernen
dc.subject.gndRadweg
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.creatorGNDMagierski, Julian-
item.fulltextWith Fulltext-
item.creatorOrcidMagierski, Julian-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.advisorGNDMeisel, Andreas-
item.languageiso639-1de-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
item.openairetypeThesis-
Appears in Collections:Theses
Files in This Item:
File Description SizeFormat
bachelorarbeit_magierski.pdf3.91 MBAdobe PDFView/Open
Show simple item record

Page view(s)

223
checked on Dec 26, 2024

Download(s)

197
checked on Dec 26, 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.