Wissensbasierte Szenenexploration Auf Der Basis Erlernter Analysestrategien

In dieser Arbeit wird gezeigt, wie das Problem der visuellen Szenenexploration mit Hilfe eines wissensbasierten Systems gelost werden kann. Wahrend der Szenenexploration sucht das System in einer statischen Szene nach einer festen Anzahl von a-priori bekannten Objekten. Wenn mit der anfangs gewahlten Kameraeinstellung nicht alle gesuchten Objekte sichtbar sind, werden die Kameraparameter angepasst und die Kameraachsen entsprechend bewegt. Das Wissen uber diese so genannten Kameraaktionen und uber die Objekte wird einheitlich mit Hilfe eines semantischen Netzes reprasentiert. Wahrend einer Szenenexploration wird dieses Wissen von einer Kontrolle zum Finden einer optimalen Zuordnung zwischen Objekten und in Bildern visualisierten Teilen der Szene genutzt. Die Kontrolle setzt hierzu eine geeignete Analysestrategie ein, die vom System mit Hilfe von Reinforcement Learning Methoden basierend auf einer vorgegebenen Optimierungsfunktion erlernt wird. Der Ansatz zur Integration von Kameraaktionen und von Reinforcement Learning Methoden in den Formalismus zur Wissensreprasentation wird in verschiedenen Buroumgebungen evaluiert.