Neural Orientation- and Object-Representations for Robust and Reliable Object Detection on Aerial Image Datasets

Konen, Kai (2022) Neural Orientation- and Object-Representations for Robust and Reliable Object Detection on Aerial Image Datasets. 22nd Onera-DLR Aerospace Symposium, 2022-06-01 - 2022-06-03, Hamburg, Deutschland.

PDF
786kB

Kurzfassung

Untersuchung neuronaler Aktivitäten innerhalb künstlicher neuronaler Netze, welche mittels kontinuierlichen und diskontinuierlichen Rotations-Repräsentationen trainiert wurden.

elib-URL des Eintrags:

https://elib.dlr.de/186810/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Neural Orientation- and Object-Representations for Robust and Reliable Object Detection on Aerial Image Datasets

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Konen, Kai	Kai.Konen (at) dlr.de	https://orcid.org/0000-0001-7957-4477	NICHT SPEZIFIZIERT

Datum:

Juni 2022

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

Regression, Image Classification, SO(3), SO(2), Rotation Matrix, Rotation Representations

Veranstaltungstitel:

22nd Onera-DLR Aerospace Symposium

Veranstaltungsort:

Hamburg, Deutschland

Veranstaltungsart:

Andere

Veranstaltungsbeginn:

1 Juni 2022

Veranstaltungsende:

3 Juni 2022

Veranstalter :

DLR

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Erdbeobachtung

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R EO - Erdbeobachtung

DLR - Teilgebiet (Projekt, Vorhaben):

R - Künstliche Intelligenz

Standort:

Köln-Porz

Institute & Einrichtungen:

Institut für Softwaretechnologie > Intelligente und verteilte Systeme
Institut für Softwaretechnologie

Hinterlegt von:

Konen, Kai

Hinterlegt am:

02 Aug 2022 09:27

Letzte Änderung:

24 Apr 2024 20:48

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags