FWF - Advanced Learning Tracking - Maschinelles Lernen für Detektion und Verfolgung

  • Schulter, Samuel, (Teilnehmer (Co-Investigator))
  • Sternig, Sabine, (Teilnehmer (Co-Investigator))
  • Köstinger, Martin, (Teilnehmer (Co-Investigator))
  • Wohlhart, Paul, (Teilnehmer (Co-Investigator))
  • Bischof, Horst (Projektleiter (Principal Investigator))

Projekt: Foschungsprojekt

Projektdetails

Beschreibung

Das primäre Ziel dieses Projektes ist es den "state of the art" von Objektdetektions- und Objektverfolgungs-
Methoden signifikant zu verbessern. Dies wird möglich in dem die komplementäre Expertise von drei in Europa
führenden Computer Vision Labs kombiniert wird. Die medizinische Workflow-Analyse dient primär als
Testszenario um (i) neue Herausforderungen für Detektion und Verfolgung zu haben sowie (ii) um die neuen
Algorithmen an komplexen Aufgaben testen zu können. Das Wissen um Handlungen und Handlungsabläufe in
einem Operationssaal ist für eine Reihe von Anwendungen höchst relevant. Das Ziel in diesem Projekt ist es die
Handlungen von Personen sowie großee Objekte mittels eines Multi-Kamerasystems zu erfassen, und diese dann
als Eingabe an ein Workflow-Analysesystem zu übergeben. Aus algorithmischer Sicht liegt der Fokus des
Projektes auf neuen Detektions und Tracking Methoden. Die notwendige Robustheit und Adaptivität soll durch
neue on-line Lernverfahren erreicht werden. Unsupervised und Semi-supervised Lernen ist ein weiterer
Forschungsfokus in dem Projekt. Lernen ist integraler Bestandteil der Detektion und der Trackingverfahren. Durch
die starke Integration der Lernkomponente wird einerseits ein effizienteres Lernen durch bessere Daten als auch
ein besseres Tracking und eine genauere Detektion durch szenenspezifische Modelle ermöglicht. Das Ergebnis der
Detektion und der Objektverfolgung wird zur Analyse von Verhaltensmustern eingesetzt die wiederum Eingang in
die medizinische Workflow-Analyse finden.
StatusAbschlussdatum
Tatsächlicher Beginn/ -es Ende1/07/1130/06/15