Navigationsweiche Anfang

Navigationsweiche Ende

Lehrstuhl für Allgemeine Elektrotechnik und Theoretische Nachrichtentechnik


Prof. Dr.- Ing. Anton Kummert

Aktuelles

  • Urkunde über Patenterteilung
    Urkunde über die Erteilung des Patentes Nr. 11 2012 003 630 Verfahren, Anordnung und... [mehr]
  • Vorlesungsankündigung Update 20.10.
    Liebe Studierende, aufgrund der neuen Vorgaben des Rektorats vom 20.10. müssen wir die in Präsenz... [mehr]
  • Vorlesungsankündigung
    Liebe Studierende, die Vorlesungsankündigung für das Wintersemester 2020/2021 ist jetzt online. [mehr]
zum Archiv ->

Semantische Bild-Segmentierung

Unter der semantischen Bild-Segmentierung versteht man die gleichzeitige Clusterung eines Bildes und Klassifikation dieser Bildsegmente in eine feste Anzahl von Klassen. Dazu werden tiefe künstliche neuronale Netze eingesetzt. Das Problem der semantischen Segmentierung wird als ein Klassifikationsproblem für jeden einzelnen Pixel des Bildes formuliert. Nachdem das Netz mittels des Datensatzes trainiert wurde, können neue Eingabedaten, welche das Netz nicht während des Trainings verarbeitet hat, semantisch segmentiert werden (vgl. Abbildung 1).

Abbildung 1: Links RGB Eingabebild, mittig Tiefeneingabebild und rechts die geschätzte semantische Bild-Segmentierung des künstlichen neuronalen Netzwerks.

Durch das dazugehörige Entropiebild der geschätzten Segmentierung (siehe Abbildung 2) kann eine Aussage darüber getroffen werden, wie sicher sich das künstliche neuronale Netz über die geschätzte Klassenzuordnung ist. Hohe Entropiewerte sind gelb codiert und bedeuten, dass sich das Netz über die geschätzte Klassenzuordnung unsicher ist.

Abbildung 2: Entropiebild der geschätzten semantischen Bild-Segmentierung.

Wie man der Abbildung entnehmen kann, ist sich das künstliche neuronale Netz bei der Zuordnung des Bodens sowie der vorderen Stühle und des Tisches bei diesem Beispiel sehr sicher. Unsicher ist sich das Netz über die Zuordnung des Schreibtisches und zugehörigen Stuhls im hinteren Teil des Bildes.