Volltext-Downloads (blau) und Frontdoor-Views (grau)

Fehleranalyse im SmartCrawler-Prozess und Toolvergleich zum Erstellen einer Logo- oder Personenwiedererkennung mithilfe von Machine Learning

  • Der SmartCrawler ist ein auf Java basierendes Programm, das von dem Unternehmen PAMA Technologies GmbH verwendet wird, um Bilder aus dem Internet zu laden. Diese Bilder werden im Anschluss daran benutzt, um bestimmte Personen oder Gegenstände wiederzuerkennen. Beim Herunterladen der Bilder, kommt es zu verschiedenen Fehlern, deren Ursache untersucht wurde. Daraufhin sind die Fehlerursachen benannt und der Zusammenhang erklärt worden. Die beschriebenen Fehler beim Herunterladen der Bilder, müssen behoben werden, um ein Modell zur Wiedererkennung bestmöglich zu trainieren. In meiner Arbeit sollen der SmartCrawler-Prozess verbessert und Tools für weitere Aufgabenfelder untersucht sowie getestet werden. Ziel ist, Fehlerquellen des SmartCrawler zu identifizieren und mit geeigneten Vorschlägen zu beheben. Im Anschluss werden verschiedene Technologien in Bezug auf Gesichtserkennung, Bildbeschreibung und Machine-Learning- Tools getestet. Sie werden anhand von Beispielen zur Einsatzmöglichkeit von Gesichtserkennung und Bildbeschreibung dargestellt. Im Verlauf der Arbeit wird auch das Machine-Learning-Tool vorgestellt und exemplarisch hinterlegt. Da es sich hier um eine praktische Arbeit handelt, werden verschiedene Tools auf ihre Leistungen getestet und bewertet. Als Ergebnis wird dem Leser ein resultierender Workflow präsentiert. Der Workflow enthält den SmartCrawler-Prozess und das anschließende Training eines Modells mit CNTK. Ein weiteres Ziel ist, dem Leser Möglichkeiten zu bieten, auf dieser Arbeit aufzubauen. Es soll für den Leser möglich sein, die richtige Anwendung für seine Bedürfnisse zu finden und eventuell eigene Projekte auf Basis dieser Arbeit zu erstellen. Weiterhin kann auch der Einsatz von CNTK vom Leser in eigenen Bereichen geprüft werden.

Download full text files

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Alexander GerlingORCiD
URN:https://urn:nbn:de:bsz:fn1-opus4-24067
Advisor:Andreas Heß
Document Type:Bachelor Thesis
Language:German
Year of Completion:2017
Granting Institution:Hochschule Furtwangen
Date of final exam:2017/02/28
Release Date:2017/09/01
Tag:Bildverarbeitung; Maschinelles Lernen
Page Number:61
Degree Program:WIB - Wirtschaftsinformatik
Open-Access-Status: Open Access 
Licence (German):License LogoUrheberrechtlich geschützt