Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Datenbankgestützte Repräsentation und Extraktion von Episodenbeschreibungen aus Bildfolgen

Ingrid Walter (Taschenbuch, Deutsch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
Die in Bildfolgen enthaltene Information kann mit sehr unterschiedlichen Abstraktionsgraden beschrieben werden: Die Angabe eines Helligkeitswerts für jeden Punkt jedes Einzelbildes ist eine sehr niedrige Beschreibungsebene, die Darstellung einer Geschichte eine sehr hohe. Eine automatische Erzeugung von Beschreibungen aus den Bilddaten ist bisher nur für niedrigere Abstraktionsstufen möglich, eine Beschreibung auf der Ebene von Episoden wird hier entwickelt. Die vorliegende Arbeit entwirft ein System für die Extraktion von Beschreibungen auf der Ebene von Episoden, ausgehend von einer Beschreibung, die für jedes Objekt die Koordinaten zu jedem Zeitpunkt enthält. Typische Episoden aus dem Diskursbereich "Straßenverkehr" sind "Parkplatzsuchen" oder "auf die Straßenbahn warten" oder "Vorfahrt mißachten". Zu diesem Zweck wird eine Darstellungsform für Episodenmodelle entwickelt, die sich an KL-ONE orientiert und unter anderem die Modellierung von zeitlichen Aspekten ermöglicht. Da der Datenumfang für Bildfolgen, die Episoden enthalten können, sehr groß ist, erscheint die Unterstützung durch Datenbanksysteme ratsam. Daher wird die Übertragung der Darstellungsform auf das relationale Datenmodell eingehend untersucht. Zur Beschreibung der Prozesse, die die Zuordnung zwischen Episodenmodellen und Bilddaten herstellen, dienen Regelsysteme auf der Gundlage von erweiterten Übergangsnetzen. Der implementierte Prototyp extrahiert Episoden aus einer Bildfolge aus dem Diskursbereich "Straßenverkehr". Die Arbeit liegt im Überschneidungsbereich der Gebiete Bilddeutung, Wissensrepräsentation und Datenbanken. Anregungen aus den verschiedenen Gebieten können für jeweils andere Gebiete übernommen werden. Es wird gezeigt, daß die Kopplung von zwei Problemkreisen - komplexe Strukturen und große Datenmengen - im Prinzip möglich ist. Noch zu lösende Probleme bei der Kopplung werden angesprochen.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 44,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
26.07.1989
Sprache
Deutsch
EAN
9783540514626, 9783540514626
Herausgeber
Springer Berlin
Serien- oder Bandtitel
Subreihe Künstliche Intelligenz
Sonderedition
Nein
Autor
Ingrid Walter
Seitenanzahl
243
Auflage
1
Einbandart
Taschenbuch

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!