Lernen mit wenigen Beispielen für die visuelle Objekterkennung

Das maschinelle Lernen aus wenigen Beispielen ist ein wichtiges und entscheidendes Problem bei vielen visuellen Erkennungsaufgaben, besonders in industriellen Anwendungen. Im Gegensatz zum Menschen benötigen viele aktuelle Verfahren meistens Hunderte von beschrifteten Beispielbildern. Die Dissertation ”Learning with Few Examples for Visual Recognition Problems” beschäftigt sich mit diesem Problem und stellt Lösungsmöglichkeiten vor, welche sich auf die Verwendung zweier Konzepte stützen: Lerntransfer und Ein-Klassen-Klassifikation. Das folgende Dokument bietet eine Zusammenfassung der Ergebnisse der Dissertation.