PT Journal
AU Dümmel, J
   Hochstein, M
   Glöckle, J
   Furmans, K
TI Effizientes Labeln von Artikeln für das Einlernen Künstlicher Neuronaler Netze
SO Logistics Journal : Proceedings
PY 2019
VL 2019
IS 12
DI 10.2195/lj_Proc_duemmel_de_201912_01
DE Assistenzsystem; Label; Objekterkennung; Tiefenbild; künstliche neuronale Netze
AB Gefaltete Neuronale Netze (CNN) wurden in den letzten Jahren auf Grund ihrer hohen Erkennungsgenauigkeit sowie ihrer hohen Erkennungsgeschwindigkeit zunehmend in der Objekterkennung eingesetzt. Trotz einer schnellen und zuverlässigen Klassifizierung besteht einer ihrer größten Nachteile darin, dass das Training eines solchen Netzes sehr zeitaufwendig ist. Der Grund dafür ist, dass abhängig von der Komplexität des zu erkennenden Objekts mehrere hundert bereits klassifizierte Lernbilder benötigt werden. Das Erstellen dieser Lernbilder erfolgt bisher überwiegend manuell. Aus diesem Grund wurde am Institut für Fördertechnik und Logistiksysteme (IFL) ein Assistenzsystem entwickelt, welches das Einlernen neuer Objekte gegenüber der klassischen manuellen Methode um ein Vielfaches beschleunigt.
ER