Forschung

Das allgemeine Ziel der Mustererkennung besteht darin, die menschlichen Wahrnehmungsfähigkeiten in technischen Systemen zu reproduzieren oder nachzuahmen und Maschinen "sehen" oder "hören" zu lassen. Im Allgemeinen ermöglicht die Mustererkennung es Maschinen, ihre Umgebung mit einer Reihe von Sensoren "wahrzunehmen", die sensorischen Daten zu analysieren und intelligent auf bestimmte Ereignisse zu reagieren, die in dieser Umgebung auftreten. Relevante Ereignisse sind mit wiederkehrenden Mustern in den sensorischen Datenströmen verbunden. Die Aufgabe besteht also darin, diese Muster zu finden, zu modellieren (oder zu "lernen") und zu klassifizieren, um relevante von irrelevanten Ereignissen zu unterscheiden.

Die Forschungsarbeiten der Gruppe Mustererkennung zielen sowohl auf die Weiterentwicklung der prinzipiellen Mustererkennungsmethoden, als auch auf die Entwicklung anwendungsorientierter Lösungen für reale Probleme ab. Der Begriff Intelligente Systeme umfasst ein breites Spektrum von Artefakten und Geräten, die mit fortgeschrittenen Rechenfähigkeiten ausgestattet sind. 

Derzeit werden hauptsächlich Forschungsthemen aus den Bereichen Computer Vision, Semantischer Segmentierung und Dokumentenanalyse bearbeitet. In diesen Bereichen werden Techniken für die natürliche und robuste Interaktion zwischen technischen Systemen und menschlichen Nutzern entwickelt. Die Lösungen basieren vor allem auf der Anwendung fortgeschrittener Methoden aus dem Bereich der statistischen Mustererkennung. Diese haben alle die wichtige Eigenschaft, automatisch aus Beispielen Rechenmodelle zu lernen, was auch eine grundlegende Fähigkeit menschlicher Wahrnehmungssysteme ist.