• English
  • Deutsch
  • Log In
    Password Login
    Research Outputs
    Fundings & Projects
    Researchers
    Institutes
    Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Abschlussarbeit
  4. Objekterkennung und -verortung in Luftbildaufnahmen für Such- und Rettungseinsätze mittels neuronaler Faltungsnetzwerke
 
  • Details
  • Full
Options
2018
Bachelor Thesis
Title

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

Other Title
Object detection and localization in aerial photographs for search and rescue tasks with convolutional neural networks
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.
Thesis Note
Gelsenkirchen, Hochschule, Bachelor Thesis, 2018
Author(s)
Leinweber, Artur
Person Involved
Surmann, Hartmut
Worst, Rainer
Publishing Place
Gelsenkirchen
Project(s)
TRADR  
Funder
European Commission EC  
File(s)
Download (6.03 MB)
Rights
Use according to copyright law
DOI
10.24406/publica-fhg-282143
Language
German
Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS  
Keyword(s)
  • maschinelles Lernen

  • Künstliche Intelligenz

  • künstliches neuronales Netzwerk

  • neuronales Faltungsnetzwerk

  • Objekterkennung

  • Objektverortung

  • UAV

  • SAR

  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Contact
© 2024