Probabilistische Präferenzmaße für die wissensbasierte Szeneninterpretation (PRAESINT)

Projektdaten

DFG-Projekt Ne 278/9-1
Laufzeit 2007 - 2012

Projektbeteiligte an der Universität Hamburg:
Bernd Neumann (Leiter)
Wilfried Bohlken

Projektbeteiligte an der Technischen Universität Hamburg-Harburg
Ralf Möller (Leiter)
NN


Projektziele

Das Vorhaben befasst sich mit allgemeingültigen rechnerbasierten Methoden zur Deutung komplexer stationärer oder zeitveränderlicher visueller Szenen aus der Alltagswelt, z.B. Innenraumszenen im Kontext von Assistenzaufgaben oder Verkehrsszenen im Kontext von Überwachungsaufgaben. Szeneninterpretationen dieser Art erfordern einerseits umfangreiches Vorwissen über die relevanten Alltagsvorgänge, repräsentierbar mit Methoden der Wissensrepräsentation, andererseits probabilistische Modelle zur Steuerung unsicherer Entscheidungen und zur Prädiktion. In diesem Vorhaben wird eine besondere Form der  Integration von probabilistischen Modellen mit formaler Wissensrepräsentation untersucht, bei der probabilistische Inferenzen mit klassischen logikbasierten Inferenzen bei der Szeneninterpretation kooperieren. Logikbasierte Inferenzen grenzen den Raum möglicher konsistenter Szeneninterpretationen ab, während probabilistische Inferenzen unter den logisch möglichen Interpretationen bevorzugte bestimmen.