Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Objekterkennung und -verortung in Luftbildaufnahmen für Such- und Rettungseinsätze mittels neuronaler Faltungsnetzwerke

Object detection and localization in aerial photographs for search and rescue tasks with convolutional neural networks
 
: Leinweber, Artur
: Surmann, Hartmut; Worst, Rainer

:
Volltext urn:nbn:de:0011-n-4975831 (6.0 MByte PDF)
MD5 Fingerprint: 0cef90b9947695d50810cd41f6972fcb
Erstellt am: 3.7.2018


Gelsenkirchen, 2018, 83 S.
Gelsenkirchen, Hochschule, Bachelor Thesis, 2018
European Commission EC
FP7; 609763; TRADR
Deutsch
Bachelor Thesis, Elektronische Publikation
Fraunhofer IAIS ()
maschinelles Lernen; Künstliche Intelligenz; künstliches neuronales Netzwerk; neuronales Faltungsnetzwerk; Objekterkennung; Objektverortung; UAV; SAR

Abstract
Die Bachelorthesis Objekterkennung und -verortung in Luftbildaufnahmen für Such- und Rettungseinsätze mittels neuronaler Faltungsnetzwerke behandelt die Erkennung und Verortung von essenziellen Objekten in Luftbildaufnahmen aus Katastrophengebieten, die durch unbemannte Luftfahrzeuge aufgenommen wurden. Für die Erkennung von Objekten in Luftbildaufnahmen wird der Ansatz der künstlichen neuronalen Netzwerke (KNN) aus dem Fachgebiet des maschinellen Lernens vorgestellt und ein neuronales Faltungsnetzwerk mit einer Bibliothek trainiert. Zudem wird ein Ansatz für die Verortung der erkannten Objekte vorgestellt. Diese Art der Informationsgewinnung soll Rettungskräften eine präzise Aussage über das Ausmaß der Katastrophe liefern und sie bei der Planung, Koordinierung und Durchführung weiterer Rettungseinsätze unterstützen. Den Abschluss der Arbeit bildet eine ausführliche Evaluierung mit realen Luftbildaufnahmen.

 

The bachelor thesis ‚Object detection and localization in aerial photographs for search and rescue tasks with convolutional neural networks’ is concerned with the detection and localization of essential objects in aerial photographs from disaster areas taken by unmanned aerial vehicles.
For the detection of objects in aerial photography the approach artificial neural networks (ANN) from the field of machine learning is presented and a convolution neuronal network is trained by means of a library. In addition, an approach for the localization of the detected objects is presented.
This type of information retrieval is intended to provide rescue workers with a more accurate indication of the extent of the disaster and to assist in the planning, coordination and execution of further rescue operations.
The work concludes with a detailed evaluation using real aerial photographs.

: http://publica.fraunhofer.de/dokumente/N-497583.html