= Neural nezwork based visual attention models Michael, Johannes VerfasserIn aut Grüning, Tobias AkademischeR BetreuerIn dgs Labahn, Roger 1959- AkademischeR BetreuerIn dgs Universität Rostock Grad-verleihende Institution dgg Universität Rostock Mathematisch-Naturwissenschaftliche Fakultät Grad-verleihende Institution dgg text theses Text Hochschulschrift gw 2016 monographic XA-DE Rostock Universität publisher 2016 Rostock Universitätsbibliothek distributor ger

electronic resource

remote

Computermedien

Online-Ressource

Online-Ressource Ziel dieser Arbeit war es, eine Architektur aufzubauen, welche sowohl die Lokalisierung als auch die Erkennung von Objekten in Bildern ermöglicht und dabei effizient skaliert. Inspiriert durch die Art und Weise der menschlichen Wahrnehmung, wird ein Modell konzipiert, welches mittels Aufmerksamkeit selektiv Bildregionen fokussiert und diese sequentiell verarbeitet. Konzepte aus dem überwachten und bestärkenden Lernen werden kombiniert, um ein globales Training des Modells zu ermöglichen. Die Arbeit endet mit Experimenten zum Klassifizieren von Ziffern und Lokalisieren von KFZ-Kennzeichen.<ger> The goal of this thesis was to create an architecture, which is able to both localize and recognize objects in a scene, while simultaneously scaling efficiently. Inspired by the way of the human perception, a model is designed to selectively focus its attention on different regions in an image and process them sequentially. By combining concepts from supervised and reinforcement learning, a method is created, which enables the architecture to be trained globally. The thesis ends with experiments on digit classification and license plate localisation.<eng> Johannes Michael Masterarbeit Universität Rostock 2018 510 http://purl.uni-rostock.de/rosdok/id00002317 urn:nbn:de:gbv:28-thesis2018-0004-9 10.18453/rosdok_id00002317 1076493378 rda DE-627 181018 1033561762 20251224T213022.0 Converted from MARCXML to MODS version 3.8 using MARC21slim2MODS3-8_XSLT1-0.xsl (Revision 1.174 20250328) ger