出版社：WGTL Wissenschaftliche Gesellschaft fuer technische Logistik
摘要：Gefaltete Neuronale Netze (CNN) wurden in den letzten Jahren auf Grund ihrer hohen Erkennungsgenauigkeit sowie ihrer hohen Erkennungsgeschwindigkeit zunehmend in der Objekterkennung eingesetzt. Trotz einer schnellen und zuverlässigen Klassifizierung besteht einer ihrer größten Nachteile darin, dass das Training eines solchen Netzes sehr zeitaufwendig ist. Der Grund dafür ist, dass abhängig von der Komplexität des zu erkennenden Objekts mehrere hundert bereits klassifizierte Lernbilder benötigt werden. Das Erstellen dieser Lernbilder erfolgt bisher überwiegend manuell. Aus diesem Grund wurde am Institut für Fördertechnik und Logistiksysteme (IFL) ein Assistenzsystem entwickelt, welches das Einlernen neuer Objekte gegenüber der klassischen manuellen Methode um ein Vielfaches beschleunigt.
其他摘要：Convolutional neural networks (CNN) have been increasingly used in object detection in recent years due to their high detection accuracy and high detection speed. Despite fast and reliable classifications, one of the biggest disadvantages is that the training of such a network is very time consuming. The reason for this is that, depending on the complexity of the object to be detected, several hundred already classified learning images are required. Until now, the creation of these learning images was mainly done manually. For this reason, an assistance system was developed at the Institute for Material Handling and Logistics (IFL), which accelerates the learning of new objects considerably compared to the traditional manual method.
