%0 Book
%T Entwicklung von effizienten Klassifikatoren zur Gesichtserkennung
%A Blank, Ulrike
%D 2011
%G German
%F 655176217
%O Ulrike Blank
%O HS, Fachbereich Landschaftsarchitektur, Geoinformatik, Geodäsie und Bauingenieurwesen, Masterthesis, 2011
%X Für die Erkennung von Gesichtern in Bildern wurden Support-Vektor-Maschinen (SVM) bereits mehrfach erfolgreich eingesetzt. SVMn zeichnen sich vor allem durch die gute Generalsierung und Klassifizierung aus. Bei den herkömmlichen Methoden sind die Rechenzeiten für die Klassifizierung sehr hoch. Diese Arbeit beschreibt die Entwicklung von effizienten Klassifikatoren zur Gesichtserkennung. Dazu wurden zwei Verfahren näher betrachtet - die Wavelet - Support-Vektor-Maschine (W-SVM) und die reduzierte Support-Vektor-Maschine (RVM). Bei der W-SVM wird eine Beschleunigung durch die Reduktion der Rechenschritte erzielt. Die Laufzeit während der Klassifzierungsphase hängt von der Anzahl der Support-Vektoren ab. Bei der RVM wird eine Näherung an die SVM bestimmt, die mit viel weniger Vektoren für die Klassifizierung auskommt. Beide Verfahren wurden in MATLAB implementiert und erfolgreich auf einer kleinen vorgegebenen SVM angewandt. Die Berechnungszeit konnte gegenüber der Original-SVM deutlich verkürzt werden bei gleichbleibender Genauigkeit.
%9 nicht spezifiziert