System zum Bewerten eines Bildes, Betriebsassistenzverfahren und Steuereinheit für eine Arbeitsvorrichtung sowie Arbeitsvorrichtung
Die vorliegende Erfindung betrifft ein System (100, S) zum Bewerten und/oder Anpassen eines mit einer Kamera (10) aufgenommenen Bildes (i), bei welchem ein tiefgehendes neuronales Netz (20) zu Grunde gelegt ist oder wird, das tiefgehende neuronale Netz (20) einem Training (S1) unterzogen ist oder wi...
Gespeichert in:
Hauptverfasser: | , , , |
---|---|
Format: | Patent |
Sprache: | ger |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | Die vorliegende Erfindung betrifft ein System (100, S) zum Bewerten und/oder Anpassen eines mit einer Kamera (10) aufgenommenen Bildes (i), bei welchem ein tiefgehendes neuronales Netz (20) zu Grunde gelegt ist oder wird, das tiefgehende neuronale Netz (20) einem Training (S1) unterzogen ist oder wird, das Training (S1) des tiefgehenden neuronalen Netzes (20) auf der Grundlage einer Verlustfunktion als Metrik ausgeführt ist oder wird, die Verlustfunktion auf einem Index (SSIM) struktureller Ähnlichkeit beruht und der Index (SSIM) struktureller Ähnlichkeit im Training (S1) auf der Grundlage mindestens eines Eingabebildes (i) der zu Grunde liegenden Kamera (10), eines Ausgabebildes (o) des tiefgehenden neuronalen Netzes (20) und insbesondere eines Anpassungsverfahrens durch das tiefgehende neuronale Netz (20) und eines Zielbildes (t) als Vorgabe ermittelt ist oder wird.
A system for assessing and/or adapting an image recorded with a camera, based on a deep neural network. The deep neural network undergoes a training, the training of the deep neural network is carried out based on a loss function as a metric, the loss function is based on a structural similarity index, and the structural similarity index in the training is ascertained based on at least one input image of the underlying camera, an output image of the deep neural network, and in particular an adaptation method via the deep neural network and a target image as default. |
---|