2020 | OriginalPaper | Chapter
Der Einfluss von Segmentierung auf die Genauigkeit eines CNN-Klassifikators zur Mimik-Steuerung
Authors : Ron Keuth, Lasse Hansen, Mattias P. Heinrich
Published in: Bildverarbeitung für die Medizin 2020
Publisher: Springer Fachmedien Wiesbaden
Activate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by
Die Erfolge von Faltungsnetzwerken (Convolutional Neural Networks, CNNs) in der Bildverarbeitung haben in den letzten Jahren große Aufmerksamkeit erregt. Die Erforschung von Verfahren zur Klassifikation von Mimik auf Bildern menschlicher Gesichter stellt in der Medizin eine große Chance für Menschen mit körperlicher Behinderung dar. So können beispielsweise einfach Befehle an einen elektronischen Rollstuhl oder ein Computerprogramm übermittelt werden. Diese Arbeit untersucht, ob und wie weit die Verwendung von Zusatzinformation (hier in Form von Segmentierungen von Gesichtspartien) beim Training eines CNN-Klassifikators die Genauigkeit bezüglich der Entscheidung für verschiedene Kiefer- und Lippenstellungen verbessern kann. Unsere Ergebnisse zeigen, dass die Genauigkeit des CNN-Klassifikators mit dem Detailgrad der verwendeten Segmentierungen zunimmt und außerdem bei Zuhilfenahme von Segmentierungen ein deutlich kleinerer Datensatz (60% der ursprünglichen Datenmenge) ausreicht, um ein ähnlich genaues CNN (im Vgl. zu einem ohne Zusantzinformation) zu trainieren.