Zur Zeit wird gefiltert nach: Johannes Dörr
Filter zurücksetzen
was ist was
Wozu Google Books alles gut ist... Zumindest muss man hin und wieder mal nach seinem eigenen Namen suchen, um teilweise Erstaunliches zu finden. So wie diesmal: Offenbar sind Florian und ich seit fünf Jahren neben einigen anderen Preisträgern von Jugend forscht in dem "was ist was"-Band "Erfindungen" abgedruckt. Da die Zeit, in der uns diese Reihe begleitet hat, schon etwas her ist, wäre dies fast an uns vorbeigegangen.
Laufen mit nur zwei Nervenzellen
Seit der letzten Woche steht ein interessantes Projekt im Rampenlicht, an dem mein Professor beteiligt ist. Hier die offizielle Pressemitteilung.
Insekten können mit ihren sechs Beinen ganz unterschiedliche Bewegungsmuster ausführen. Je nachdem, ob sie langsam oder schnell krabbeln oder ein Hindernis überwinden müssen, nutzen sie verschiedene Gangarten. Wissenschaftler aus Göttingen haben nun einen Roboter entwickelt, der ebenfalls je nach Umgebung flexibel zwischen mehreren Gangarten hin- und herschalten kann. Das Neue daran: Diese unterschiedlichen Bewegungen werden von einem einzigen Verschaltungsnetzwerk mit nur wenigen Verknüpfungen erzeugt.
Einleitung in Self Organizing Maps
Nachdem in den vorigen Artikeln beschrieben wurde, wie die Aktionsklassifizierung über Event Tables funktionieren soll, geht es nun um das zugehörige Learning-Problem.
Eine verbreitete Learning-Methode sind Neuronale Netze (NN). Im Folgenden geht es um eine besondere Form von NN, nämlich um Self Organizing Maps (SOM).
SOMs bilden mathematisch gesehen einen hochdimensionalen Vektorraum in einen niedrigdimensionalen (in der Regel zweidimensionalen) Raum ab. Man kann beispielsweise ein SOM konstruieren, das Farben (bestehend aus den drei Komponenten Rot, Grün, Blau) auf einer Fläche anordnet. Die besondere Eigenschaft hierbei ist, das Nachbarschaftsbeziehungen erhalten bleiben.
Scene Graphs und Event Tables
Das hier vorgestellte Verfahren zur Aktionsklassifizierung basiert auf der Clusterung von mit einer Kamera aufgenommenen Bildsequenz. Dieses Vorgehen ist zunächst sehr verwandt mit dem menschlichen Sehen: Auch das Gehirn interpretiert Farbflächen als Einheit. Im Unterschied zum Menschen findet bei unserem Ansatz jedoch erstmal keine Objekterkennung statt - das gesamte Verfahren betrachtet nur die "rohen" Bildsegmente.
Perspective-independent Action Analysis
Grundlage für die nächsten Blog-Einträge (es wurde ja mal wieder Zeit) wird der Vortrag über meine bisherigen "Anstrengungen" im Rahmen meiner Diplomarbeit sein, den ich vor kurzem zu halten hatte.
Überthema ist Aktionsklassifizierung - nun, was ist das? Es geht dabei um das Vorhaben, Robotern die Möglichkeit zu geben, zwischen verschiedenen beobachteten Vorgängen (Aktionen) zu unterscheiden bzw. ähnliche Aktionen als solche wiederzuerkennen.
Die nächste Abbildung zeigt, dass dieser Vorgang aus mehreren Modulen besteht, die innerhalb unserer Arbeitsgruppe auch von verschiedenen Leuten entwickelt werden.



