Skip to main content
main-content
Top

Hint

Swipe to navigate through the articles of this issue

Published in: ATZextra 1/2020

01-03-2020 | Aktuell

Produkte

Published in: ATZextra | Special Issue 1/2020

Login to get access
share
SHARE

Auszug

Die Technik für künstliche Intelligenz (KI) und Convolutional Neuronal Networks (CNN) ist weit fortgeschritten und ermöglicht bereits die automatische Erkennung unterschiedlicher Objekte. Fehlerhafte Klassifikationen können dennoch nicht völlig ausgeschlossen werden. Deswegen muss die Zuverlässigkeit automatischer Prozesse bei der Bildverarbeitung weiterhin optimiert werden. Für eine korrekte Identifikation von Objekten ist aber ein tieferes Verständnis der Entscheidungsfindung innerhalb der neuronalen Netzwerke notwendig. Nur so können Fehler bei der Klassifikation auf ein Minimum reduziert und die Sicherheitsvorgaben der ISO 26262 und ISO/PAS 21448 eingehalten werden. ARRK Engineering hat im Rahmen einer Forschungsarbeit Grundlagen für ein Framework entwickelt, um die Funktionsweise von CNNs besser zu verstehen und damit die Objekterkennung sicherer zu gestalten. Mit diesem Framework lassen sich die Schwachstellen eines CNN einfach identifizieren und nachträglich beheben. So soll das Fehler- und Unfallrisiko aufgrund falscher Klassifikationen verringert werden.
Metadata
Title
Produkte
Publication date
01-03-2020
Publisher
Springer Fachmedien Wiesbaden
Published in
ATZextra / Issue Special Issue 1/2020
Print ISSN: 2195-1454
Electronic ISSN: 2195-1462
DOI
https://doi.org/10.1007/s35778-020-0119-y

Other articles of this Special Issue 1/2020

ATZextra 1/2020 Go to the issue

Premium Partner