Publica
Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten. Bewertung von Strategien des aktiven Lernens am Beispiel der Landbedeckungsklassifikation
:
Fulltext urn:nbn:de:0011-n-2839210 (934 KByte PDF) MD5 Fingerprint: 868cc71e353943179bd0c2fa93c7a9fc Created on: 12.4.2014 |
| Seyfert, E. ; Deutsche Gesellschaft für Kartographie -DGfK-; Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation -DGPF-; Gesellschaft für Geoinformation -GfGI-; Geoinformation in Norddeutschland -GiN-:
34. Wissenschaftlich-Technische Jahrestagung der DGPF, 62. Deutscher Kartographentag der DGfK, Geoinformatik 2014 der GfGI und des GIN. Online resource : 26. - 28. März 2014 in Hamburg, Geoinformationen öffnen das Tor zur Welt, DGPF Tagungsband 23 / 2014
Berlin: DGPF, 2014 (Publikationen der Deutschen Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation 23)
http://www.dgpf.de/neu/Proc2014/index.html
10 pp. |
| Deutscher Kartographentag <62, 2014, Hamburg>
Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF Wissenschaftlich-Technische Jahrestagung) <34, 2014, Hamburg> |
|
| German |
| Conference Paper, Electronic Publication |
| Fraunhofer IOSB () |
Abstract
Aktives Lernen ist ein überwachtes Lernverfahren. Die Beschaffung der zum Training nötigen Ground Truth verursacht Kosten (manuelle Interaktion). Daher sollten möglichst wenige, aber aussagekräftige Trainingsbeispiele verwendet werden. Aktives Lernen versucht dies durch die Anwendung einer Selektionsstrategie. Ein Problem ist deren Auswahl, da diese stark vom verwendeten Klassifikator abhängt. Dieser Beitrag bewertet Selektionsstrategien für einen Maximum-Likelihood-Klassifikator. Zwei Szenarien werden betrachtet: 1) Alle Trainingsbeispiele stehen auf einmal zur Verfügung (passives Lernen) und 2) die Selektionsstrategie wählt die Trainingsbeispiele iterativ aus (aktives Lernen). Als Anwendungsbeispiel wird Landbedeckungsklassifikation in einem RGB-NIR Luftbild durchgeführt.