Filtern
Dokumenttyp
- Bachelorarbeit (12) (entfernen)
Sprache
- Englisch (12) (entfernen)
Schlagworte
- Computergraphik (2)
- Graphik (2)
- OpenGL (2)
- Automatische Klassifikation (1)
- Bildanalyse (1)
- Blickpunktabhängig (1)
- C++ (1)
- Coloskopie (1)
- Compute Shader (1)
- Computer Graphics (1)
- Computervisualistik (1)
- Darmpolyp (1)
- Digitale Bilder (1)
- ECSA (1)
- Entity Component System Architecture (1)
- Fabric Simulation (1)
- Grafikkarte (1)
- Grafikprogrammierung (1)
- Graphicsprogramming (1)
- Informatik (1)
- Konturfindung (1)
- Line Space (1)
- Linespace (1)
- Merkmalsdetektion (1)
- N-Body Simulation (1)
- N-Körper Simulation (1)
- OpenGL Shading Language (1)
- Programmierung (1)
- Reflections (1)
- Reflektionen (1)
- Rendering (1)
- Shader (1)
- Specular (1)
- Stoffsimulation (1)
- Text (1)
- Texterkennung (1)
Institut
- Institut für Computervisualistik (12) (entfernen)
Die Koloskopie ist der Goldstandard zur Aufspürung von gefährlichen Darmpolypen, die sich zu Krebs entwickeln können. In einer solchen Untersuchung sucht der Arzt in den vom Endoskop gelieferten Bildern nach Polypen und kann diese gegebenenfalls entfernen. Um den Arzt bei der Suche zu unterstützen, erforscht die Universität Koblenz-Landau zur Zeit Methoden, die zur automatischen Detektion von Polypen auf endoskopischen Bildern verwendet werden können. Wie auch bei anderen Systemen zur Mustererkennung werden hierzu zunächst Merkmale aus den Bildern extrahiert und mit diesen ein Klassifikator trainiert. Dieser kann dann für die Klassifikation von ihm unbekannten Bildern eingesetzt werden. In dieser Arbeit wurde das vorhandene System zur Polypendetektion um Merkmalsdetektoren erweitert und mit den bereits vorhandenen verglichen. Implementiert wurden Merkmale basierend auf der Diskreten Wavelet-Transformation, auf Grauwertübergangsmatrizen und auf Local Binary Patterns. Verschiedene Modifikationen dieser Merkmale wurden getestet und evaluiert.
Part-of-Speech tagging is the process of assigning words with similar grammatical properties to a part of speech (PoS). In the English language, PoS-tagging algorithms generally reach very high accuracy. This thesis undertakes the task to test against these accuracies in PoS-tagging as a qualitative measure in classification capabilities for a recently developed neural network model, called graph convolutional network (GCN). The novelty proposed in this thesis is to translate a corpus into a graph as a direct input for the GCN. The experiments in this thesis serve as a proof of concept with room for improvements.