Top

Published in:

2025 | OriginalPaper | Chapter

29. Training von ambienten Fahrzeugbeleuchtungen aus subjektiv bewerteten Bildern mit Deep Belief Networks unter Verwendung der Enforcing-Rule Supervised und eines cue validity factors

Authors : Gregor Braun, Michel Brokamp, Christina Klüver

Published in: Neue Algorithmen für praktische Probleme

Publisher: Springer Fachmedien Wiesbaden

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Die Qualitätsprüfung von Umgebungsbeleuchtung in Fahrzeugen kann von der subjektiven Wahrnehmung des Prüfers hinsichtlich der Lichthomogenität beeinflusst werden. Infolgedessen entspricht auch die Klassifizierung von Trainingsdaten diesem subjektiven Eindruck. In diesem Beitrag wird gezeigt, wie Bilder von Lichtleitern von Fahrzeugumgebungsbeleuchtung verwendet werden, um Deep Belief Networks (DBN) unter Verwendung der Lernregeln „Backpropagation“ (BP) und „Enforcing Rule Supervised“ (ERS) zu trainieren. Darüber hinaus wird die Auswirkung der kontrastiven Divergenz (contrastive divergences) des Vortrainings auf die Robustheit und Genauigkeit der trainierten Netze sowie der Effekt eines cue validitiy factors (cvf) auf die Trainingsbilder analysiert. Die Ergebnisse sind vielversprechend und legen eine Entscheidungsunterstützung durch DBN im Produktionsprozess nahe, um den Einfluss der Subjektivität menschlicher Prüfer zu minimieren.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

previous chapter Homogenitätsprüfung von LED-Lichtleitern durch Neuronale Netzwerke

next chapter Rekonstruktion der US-Wahlergebnisse 2016: Modellierung und Simulation der Prognosen

Bengio Y, Lamblin P, Popovici D, Larochelle H (2006) Greedy layer-wise training of deep networks. Adv Neural Inf Process Syst 19

Blankenbach K, Hertlein F, Hoffmann S (2020) Advances in automotive interior lighting concerning new LED approach and optical performance. J Soc Inform Display 28(8):655–667CrossRef

Blankenbach K, Brezing K, Reichel S (2021) Evaluation of luminance vs. brightness for automotive RGB LED light guides in autonomous cars. In: Illumination optics VI, Bd 11874. SPIE, S 24–38

Bohrmann D, Bruder A, Bengler K (2022) Effects of dynamic visual stimuli on the development of carsickness in real driving. IEEE Trans Intell Transp Syst 23(5):4833–4842CrossRef

Braun G, Brokamp M, Klüver C (2022) Training subjective perception biased images of vehicle ambient lights with deep belief networks using backpropagation-and enforcing-rules supervised. International conference on artificial intelligence and soft computing. Springer International Publishing, Cham, S 27–38

Caberletti L, Elfmann K, Kummel M, Schierz C (2010) Influence of ambient lighting in a vehicle interior on the driver’s perceptions. Light Res Technol 42(3):297–311CrossRef

FakhrHosseini S, Ko S, Alvarez I, Jeon M (2022) Driver emotions in automated vehicles. In: Riener A, Jeon M, Alvarez I (Hrsg) User experience design in the era of automated driving. Springer International Publishing, Cham, S 85–97CrossRef

Fernandez V, Chavez J, Kemper G (2021) Device to evaluate cleanliness of fiber optic connectors using image processing and neural networks. Int J Electr Comput Eng (IJECE) 11(4):3093–3105CrossRef

Flannagan MJ, Devonshire JM (2012) Effects of automotive interior lighting on driver vision. Leukos 9(1):9–23CrossRef

Fotios S, Robbins CJ (2022) Effect of ambient light on the number of motorized vehicles, cyclists, and pedestrians. Transp Res Rec 2676(2):593–605CrossRef

Fotios S, Robbins CJ, Uttley J (2021) A comparison of approaches for investigating the impact of ambient light on road traffic collisions. Light Res Technol 53(3):249–261CrossRef

Fu Y, Downey AR, Yuan L, Zhang T, Pratt A, Balogun Y (2022) Machine learning algorithms for defect detection in metal laser-based additive manufacturing: a review. J Manuf Process 75:693–710CrossRef

Hassib M, Braun M, Pfleging B, Alt F (2019) Detecting and influencing driver emotions using psycho-physiological sensors and ambient light. In: IFIP conference on human-computer interaction. Springer International Publishing, Cham, S. 721–742

Hinton GE (2002) Training products of experts by minimizing contrastive divergence. Neural Comput 14(8):1771–1800CrossRef

Huang X, Zhang X, Xiong Y, Liu H, Zhang Y (2021) A novel intelligent fault diagnosis approach for early cracks of turbine blades via improved deep belief network using three-dimensional blade tip clearance. IEEE Access 9:13039–13051CrossRef

Jahani A (2019) Forest landscape aesthetic quality model (FLAQM): A comparative study on landscape modelling using regression analysis and artificial neural networks. J For Sci 65(2):61–69CrossRef

Kim T, Kim Y, Jeon H, Choi CS, Suk HJ (2021) Emotional response to in-car dynamic lighting. Int J Automot Technol 22:1035–1043CrossRef

Klüver C, Klüver J (2014) New learning rules for three-layered feed-forward neural networks based on a general learning schema. In: Madani K (Hrsg) Proceedings of ANNIIP: international workshop on artificial neural networks and intelligent information processing. Scitepress, Portugal, S 27–36

Klüver C, Klüver J (2023) Classification of subjectively evaluated images with self-enforcing networks using reference types, and a cue validity factor. In: International work-conference on artificial neural networks. Springer Nature, Cham, S 340–352

Klüver C, Klüver J (2024) Teil I: KI–Das Self-Enforcing Network (SEN). In: Klüver C, Klüver J (Hrsg) Neue Algorithmen für praktische Probleme. Variationen zu Künstlicher Intelligenz und Künstlichem Leben. Springer Vieweg, Wiesbaden

Lin H, Li B, Wang X, Shu Y, Niu S (2019) Automated defect inspection of LED chip using deep convolutional neural network. J Intell Manuf 30:2525–2534CrossRef

Liu Y, Zhou H, Tsung F, Zhang S (2019) Real-time quality monitoring and diagnosis for manufacturing process profiles based on deep belief networks. Comput Ind Eng 136:494–503CrossRef

Luo W, Luo X (2018) User experience research on automotive interior lighting design. In: Advances in usability and user experience: proceedings of the ahfe 2017 international conference on usability and user experience. Springer International Publishing, S 240–246

Mangla A, Gulati D, Jhamb N, Vashist D (2022) Design analysis of dimmer light for autonomous vehicles. In: Smart structures in energy infrastructure: proceedings of ICRTE 2021, Bd 2. Springer Singapore, S 145–152

Nandyala S, Gayathri K, Sharath DH, Manalikandy M (2018) Human emotion based interior lighting control (No. 2018-01-1042). SAE Technical Paper

Schellinger S, Franzke D, Klinger K, Lemmer U (2006) Advantages of ambient interior lighting for drivers contrast vision. In: Photonics in the automobile II, Bd 6198. SPIE, S 165–170

Shelton B, Nesbitt K, Thorpe A, Eidels A (2022) Assessing the cognitive load associated with ambient displays. Pers Ubiquitous Comput 1–20

Stylidis K, Woxlin A, Siljefalk L, Heimersson E, Söderberg R (2020) Understanding light. A study on the perceived quality of car exterior lighting and interior illumination. Procedia CIRP 93:1340–1345CrossRef

Thiemermann S, Braun G, Klüver C (2021) Homogenitätsprüfung von LED-Lichtleitern durch Neuronale Netzwerke. In: Klüver & Klüver (Hrsg) Neue Algorithmen für praktische Probleme: Variationen zu Künstlicher Intelligenz und Künstlichem Leben. Springer Fachmedien, Wiesbaden, S 325–339

Weirich C, Lin Y, Khanh TQ (2022) Evidence for human-centric in-vehicle lighting: part 1. Appl Sci 12(2):552CrossRef

Winklbauer M, Bayersdorfer B, Lang J (2015) Evocative lighting design for premium interiors. ATZ Worldw 117(11):32–35CrossRef

Zurmaar B (2021) Bilderkennung von Verkehrszeichen mit Self-Enforcing Networks. In: Klüver & Klüver (Hrsg) Neue Algorithmen für praktische Probleme: Variationen zu Künstlicher Intelligenz und Künstlichem Leben. Springer Fachmedien, Wiesbaden, S 305–324

Title: Training von ambienten Fahrzeugbeleuchtungen aus subjektiv bewerteten Bildern mit Deep Belief Networks unter Verwendung der Enforcing-Rule Supervised und eines cue validity factors
Authors: Gregor Braun
Michel Brokamp
Christina Klüver
Publisher: Springer Fachmedien Wiesbaden
Book: Neue Algorithmen für praktische Probleme
Print ISBN: 978-3-658-43318-5

Electronic ISBN: 978-3-658-43319-2

Copyright Year: 2025
DOI: https://doi.org/10.1007/978-3-658-43319-2_29

Springer Professional

Zusammenfassung

Please log in to get access to your license.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"