KI-basierte Verbesserung der Auswertung von Seitensichtsonarbildern mittels Methoden des Deep Learnings
Seiten
2025
Shaker (Verlag)
978-3-8440-9725-2 (ISBN)
Shaker (Verlag)
978-3-8440-9725-2 (ISBN)
- Noch nicht erschienen (ca. Januar 2025)
- Versandkostenfrei
- Auch auf Rechnung
- Artikel merken
Diese Dissertation befasst sich damit, wie sich Deep Learning Modelle für die Auswertung von Seitensichtsonarbildern auch mit wenigen Trainingsdaten erfolgreich trainieren lassen. Hierfür wird unter anderem eine Methode zur Generierung synthetischer Sonarbilder mittels Generative Adversarial Networks entwickelt und gezeigt, dass das Anreichern des Trainingsdatensatzes mit diesen Bildern die Klassifikationsperformance von neuronalen Netzen deutlich steigern kann. Des Weiteren werden umfangreiche Studien zum Netzwerkdesign von Convolutional Neural Networks (CNN), zu hybriden Scattering Neural Networks sowie zu CNN- und transformerbasierten Detektoren im Kontext der automatischen Auswertung von Seitensichtsonarbildern vorgestellt. Es wird für diese Anwendung gezeigt, dass moderne Deep Learning Detektoren klassische Verfahren wie Template Matching hinsichtlich ihrer Detektionsleistung deutlich übertreffen.
| Erscheint lt. Verlag | 13.1.2025 |
|---|---|
| Reihe/Serie | Berichte aus der Elektrotechnik |
| Verlagsort | Düren |
| Sprache | deutsch |
| Maße | 170 x 210 mm |
| Gewicht | 266 g |
| Themenwelt | Technik ► Elektrotechnik / Energietechnik |
| Schlagworte | Deep learning • Digitale Bildverarbeitung • Seitensichtsonar • Sonar |
| ISBN-10 | 3-8440-9725-2 / 3844097252 |
| ISBN-13 | 978-3-8440-9725-2 / 9783844097252 |
| Zustand | Neuware |
| Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Technologie – Berechnung – Klimaschutz
Buch | Hardcover (2023)
Hanser (Verlag)
CHF 55,95
