Video Klassifizierung mittels tiefer Lagrange konvolutioneller neuronaler Netze

• Antragsteller: Professor Dr.-Ing. Thomas Sikora
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2019 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 434160640

Im Laufe des letzten Jahrzehnts hat die Menge an verfügbaren Videodaten dramatisch zugenommen. Dieses Wachstum stellt in Zukunft besondere Anforderungen an effektive Methoden zur Analyse von Videodaten welche über eine bloße Anwendung von bildbasierter Methoden hinausgehen. Insbesondere die Erkennung Quantifizierung und Klassifikation von dynamischen Bewegungen und Bewegungsabläufen in Videodaten spielt dabei eine zentrale Rolle. Mit diesem Projekt beantragen wir Unterstützung für die Entwicklung eines neuartigen Systems zur Analyse und Klassifikation von Videodaten auf Basis von spezialisierten Lagrange-Deskriptoren. Mit unseren vorangegangenen Arbeiten konnten wir bereits das erhebliche Potential dieser Methodik zur Ergänzung aktueller Verfahren des maschinellen Lernens nachweisen und schlagen vor dieses durch eine gezielte Förderung zu entfalten und als leistungsfähige Analysemethodik zu etablieren. Das Ziel des Projektes ist die Umsetzung von eines neuen Konzepts zur Analyse und Klassifikation von Videodaten: das Lagrange Convolutional Neural Network (LaCNN). Dieses Konzept vereint den Lagrange-Ansatz mit modernen Klassifikationsmethoden und erlaubt eine vollständigere Beschreibung und besseres Verständnis von komplexen dynamischen Bewegungsinformationen in Videodaten. Diese Aspektesollen im Vergleich zum Stand der Forschung zu einem leistungsfähigen effektiven und transparenten Klassifikationssystem für Videodaten führen.

• DFG-Verfahren: Sachbeihilfen