Die inter­na­tionale wis­senschaftliche Eval­u­a­tion­skam­pagne TRECVID ist eine etabilierte Serie von Work­shops, die sich auf die inhalts­basierte Infor­ma­tion­s­gewin­nung und Auswer­tung und dig­i­taler Videos konzen­tri­ert. Jedes Jahr stellen sich Teil­nehmer ein­er neuen real­ität­sna­hen Auf­gabe, die Forsch­er divers­er inter­na­tionaler Insti­tute in ein­er Art Wet­tbe­werb lösen. Die TRECVID-erfahre­nen Forsch­er der Junior­pro­fes­sur Media Com­put­ing und der Pro­fes­sur Medi­en­in­for­matik der Tech­nis­chen Uni­ver­sität Chem­nitz nah­men gemein­sam mit Prof. Dr. Dr. Gisela Susanne Bahr vom Flori­da Insti­tute of Tech­nol­o­gy (FIT) zum zweit­en Mal teil und waren dieses Jahr auch im Bere­ich der “Deep Learn­ing Strate­gies” aktiv.

Zudem wur­den neue Meth­o­d­en bzw. deren Verknüp­fun­gen im Task Instance Search angewen­det, um die geforderten Bild­in­halte in vier Durchgän­gen, davon ein inter­ak­tiv­er und drei automa­tis­che, kor­rekt zu erken­nen. So wur­den die Meth­o­d­en CNN (Con­vo­lu­tion­al Neur­al Net­work), die eine Art kün­stlich­es neu­rales Net­zw­erk erstellen, bei dem die “Neu­ro­nen” auf sich über­lap­pende Bere­iche reagieren, und SIFT (Scale Invari­ant Fea­ture Trans­form), bei dem die Merk­mals­beschrei­bun­gen invari­ant gegenüber z.B. Rota­tion, Skalierung, Beleuch­tungsvari­a­tion etc. sind, mit einem vor­angestell­ten Sequence Clus­ter­ing (SC) kom­biniert. Die Forsch­er stell­ten fest, dass die Meth­o­d­en CNN und SIFT in mehr als der Hälfte der Fälle der geforderten Suchan­fra­gen erfol­gre­ich waren, wobei SIFT beson­ders gut bei struk­turi­erten Objek­ten mit schar­fen Kan­ten funk­tion­ierte. Zusät­zlich erzielte das Sequence Clus­ter­ing (SC) als Vorver­ar­beitung­sprozess eine merk­liche Verbesserung der Detek­tion­sergeb­nisse, sodass die Forsch­er ins­ge­samt mehrere ver­schiedene Poten­tiale zur Opti­mierung der Objek­terken­nung aufdeck­ten.

Die Ergeb­nisse wur­den vom 16.–18. Novem­ber 2015 beim Nation­al Insti­tute of Stan­dards and Tech­nol­o­gy, Mary­land, USA von Junior­pro­fes­sor Dr. Marc Rit­ter präsen­tiert.

Pub­lika­tion: Rit­ter, Marc; Rick­ert, Markus; Jutu­ru Chenchu, Lokesh; Kahl, Ste­fan; Herms, Robert; Hus­sein, Hus­sein; Heinzig, Manuel, Man­they, Robert; Richter, Daniel; Bahr, Gisela Susanne & Eibl, Max­i­m­il­ian: Tech­nis­che Uni­ver­sität Chem­nitz at TRECVID Instance Search 2015. In: TRECVID Work­shop, 16.–18.11.2015, Gaithers­burg, Mary­land, USA, 12 S. [Link@RG][Link@NIST]

Robert Herms und Prof. Dr. Max­i­m­il­ian Eibl von der Pro­fes­sur Medi­en­in­for­matik entwick­el­ten gemein­sam mit Daniel Richter und Jun.-Prof. Dr. Marc Rit­ter von der Junior­pro­fes­sur Media Com­put­ing eine Meth­ode zu klin­is­chen Spracherken­nung und nah­men damit am CLEF (Con­fer­ence and Labs of the Eval­u­a­tion Forum) eHealth Eval­u­a­tion Lab 2015 teil. Die Auf­gabe bestand darin die Worterken­nungs­fehler beim Kon­vertieren von ver­balen Patien­tenüber­gaben zwis­chen Pflegeper­son­al  zu Frei-Form-Textdoku­menten zu min­imieren. Das Forschung­steam ver­fol­gte hier den Ansatz, dass jedes gesproch­ene medi­zinis­che Doku­ment seinen eige­nen Kon­text besitzt. Der erste Schritt der Meth­ode bein­hal­tet die Tran­skrip­tion eines Doku­ments mit­tels eines ASR (auto­mat­ic speech recog­ni­tion) Sys­tems. Die Schlüs­sel­wörter des Textes wer­den dabei extrahiert und über eine Weban­frage zu einem adap­tierten Wörter­buch sowie einem Sprach­mod­ell hinzuge­fügt. Im zweit­en Schritt fol­gt das erneute Dechiffrieren des sel­ben Textes — dies­mal jedoch mit Hil­fe des adap­tierten Wörter­buchs und Sprach­mod­ells.

Im Ver­gle­ich zur ursprünglichen Meth­ode ist eine Min­imierung der Worterken­nungs­fehler zu sehen, jedoch ist keine Verbesserung in Bezug auf die ins­ge­samte Kor­rek­theit der gesproch­enen Doku­mente sicht­bar. Die Ergeb­nisse ihrer Arbeit wur­den auf dem Con­fer­ence and Labs of the Eval­u­a­tion Forum in Toulouse (Frankre­ich), präsen­tiert.

Pub­lika­tion: Herms, Robert; Richter, Daniel; Eibl, Max­i­m­il­ian & Rit­ter, Marc: Unsu­per­vised Lan­guage Mod­el Adap­ta­tion using Utter­ance-based Web Search for Clin­i­cal Speech Recog­ni­tion. In: Work­ing Notes of Con­fer­ence and Labs of the Eval­u­a­tion Forum (CLEF), Toulouse, France, 08.–11.09.2015, 10 S. [Link]

Schema zur erweit­erten Wis­sens­ba­sis von Hard- und Soft­ware der Kli­mat­e­ch­nik [aus: Vodel et al: Adap­tive Sen­sor Data Fusion for Effi­cient Cli­mate Con­trol Sys­tems, S.6]

Gemein­sam mit PD Dr.-Ing Matthias Vodel und Prof. Dr. Wol­fram Hardt, tech­nis­ch­er Leit­er des Uni­ver­sität­srechen­zen­trums (URZ) der TU Chem­nitz, entwick­elte Jun.-Prof. Dr. Marc Rit­ter, von der Junior­pro­fes­sur Media Com­put­ing, ein Konzept zur effizien­teren Küh­lung von Server­räu­men. Gemein­sam unter­sucht­en sie Tem­per­aturver­läufe und Abhängigkeit­en ver­schieden­er Tem­per­atur­zo­nen, wobei sie die bere­its ver­füg­bare Hard­ware, wie Tem­per­atursen­soren, in diesen Prozess ein­ban­den. Durch eine geschaf­fene gemein­same Wis­sens­ba­sis, die vorhan­dene Hard- und Soft­ware inte­gri­ert, sind keine zusät­zlichen Sen­soren oder Tech­niken erforder­lich. Erste Tests dieses Konzepts mit dem Namen “TU-Cool” zeigen bere­its einen hohen Grad der Opti­mierung sowie erhe­bliche Kosteneinsparun­gen durch den jew­eili­gen Kom­pro­miss zwis­chen Energiev­er­sorgung und Küh­lungska­paz­itäten. Die Ergeb­nisse der gemein­samen Arbeit präsen­tierte PD Dr.-Ing. habil. Matthias Vodel im Rah­men des “Uni­ver­sal Access” Work­shops auf der “17th Inter­na­tion­al Con­fer­ence on Human-Com­put­er Inter­ac­tion” (HCII).

Pub­lika­tion: Vodel, Matthias & Rit­ter, Marc. Adap­tive Sen­sor Data Fusion for Effi­cient Cli­mate Con­trol Sys­tems. In: Uni­ver­sal Access in Human-Com­put­er Inter­ac­tion. Access to Inter­ac­tion, Part II. Lec­ture Notes in Com­puter Sci­ence, Nr. 9176. Switzer­land : Springer Inter­na­tional Pub­lish­ing. HCI Inter­na­tional, Los Ange­les, CA, USA, 02.–07.08.2015, S.582–593. [Link]

Videoan­no­ta­tions-Tool [aus: Rit­ter et.al. Rapid Mod­el-Dri­ven Anno­ta­tion and Eval­u­a­tion for Object Detec­tion in Videos]

Prof. Dr. Max­i­m­il­ian Eibl und Michael Storz von der Pro­fes­sur für Medi­en­in­for­matik entwick­el­ten gemein­sam mit Jun.-Prof. Dr. Marc Rit­ter und Manuel Heinzig von der Junior­pro­fes­sur Media Com­put­ing Tools zur Anno­ta­tion und Eval­u­a­tion zur Objek­terken­nung in Video­ma­te­r­i­al. Dafür erweit­erten sie einen mod­ell­basierten Ansatz zur Anno­ta­tion von Bild­ma­te­ri­alien auf Videos und testeten diesen im Ver­gle­ich mit anderen Tools, die derzeit auf im Forschungs­bere­ich existieren. Ergeb­nis dieser Forschung sind u.a. zwei Kom­po­nen­ten zur schnellen Videoan­no­ta­tion und Eval­u­a­tion. Die Videoan­no­ta­tion­skom­po­nente ermöglicht das Sprin­gen zu einzel­nen Frames während in ein­er Liste und in der zuge­höri­gen Time­line die annotierten Ele­mente angezeigt wer­den. Mit der Eval­u­a­tion­skom­po­nente kön­nen die erkan­nten Objek­te schließlich als falsch oder pos­i­tiv bew­ertet wer­den. Die Entwick­lung der bei­den Kom­po­nen­ten dient dem Team von Local­izeIt und der Junior­pro­fes­sur außer­dem als Vor­bere­itung auf die Teil­nahme am diesjähri­gen Track “Instance Search” inner­halb der vom amerikanis­chen Insti­tut for Stan­dards and Tech­nolo­gies jährlich ver­anstal­teten wis­senschaftlichen Eval­u­a­tion­skam­pagne TRECVid (Text Retrieval Eval­u­a­tion Cam­paign on Videos).

Die Ergeb­nisse der gemein­samen Forschungsar­beit wur­den im Rah­men des “Uni­ver­sal Access Work­shops” auf der “17th Inter­na­tion­al Con­fer­ence on Human-Com­put­er Inter­ac­tion” (HCII) in Los Ange­les, USA vor.

Pub­lika­tion: Rit­ter, Marc; Storz, Michael; Heinzig, Manuel & Eibl, Max­i­m­il­ian. Rapid Mod­el-Dri­ven Anno­ta­tion and Eval­u­a­tion for Object Detec­tion in Videos. In: Uni­ver­sal Access in Human-Com­put­er Inter­ac­tion. Access to Inter­ac­tion, Part I. Lec­ture Notes in Com­puter Sci­ence, Nr. 9175. Switzer­land: Springer Inter­na­tional Pub­lish­ing. HCIInter­na­tional, Los Ange­les, CA, USA, 02.–07.08.2015, S.464–474. [Link]

Spek­tro­gramm (li.) und Pseu­do Wign­er-Ville Dis­tri­b­u­tion (re.) [Ou et al. (2015), JASA in Klinck & Rit­ter, DCLDE Work­shop, Präsen­ta­tion, S.14]

Dr. Hol­ger Klinck vom Cor­nell Lab of Ornithol­o­gy der Cor­nell Uni­ver­si­ty in NY, USA und Jun.-Prof. Dr. Marc Rit­ter von der Junior­pro­fes­sur Media Com­put­ing der TU Chem­nitz entwick­el­ten eine automa­tisierte Meth­ode zur Detek­tion ver­schieden­er Walarten anhand von akustis­chen Unter­wasser­auf­nah­men, die mit Hil­fe von soge­nan­nten Hydropho­nen (Unter­wasser­mikro­fone) aufgenom­men wur­den. Der erste Schritt dieser Auswer­tung von Langzeit­dat­en ist die Berech­nung ein­er Fouri­er-Trans­for­ma­tion (FFT) der aufgeze­ich­neten Dat­en (200 Hz Abtas­trate). 5 Sekun­den Audio­dat­en wer­den so in ein Spek­tro­gramm mit der Auflö­sung 30 x 50 Pix­el umge­wan­delt. Nach dem Entrauschen des Spek­tro­gramms kön­nen die Graustufen schließlich als JPEG exportiert und als Train­ings- und Test­dat­en mit Hil­fe maschineller Komi­tee-basiert­er Lern­ver­fahren der Boost­ing-Klasse weit­er­ver­ar­beit­et wer­den. Die Ergeb­nisse der gemein­samen Forschungsar­beit stellte Dr. Hol­ger Klinck im Rah­men des 7. inter­na­tionalen Work­shops für Detec­tion, Clas­si­fi­ca­tion, Local­iza­tion, and Den­si­ty Esti­ma­tion (DCLDE) in San Diego, Kali­fornien, USA vor.

Mit ihrer Forschungsar­beit erziel­ten die bei­den Insti­tute im diesjähri­gen Work­shop die besten Resul­tate. Auf der Ver­ar­beitung dieser Massendat­en auf­bauend, soll zukün­ftig eben­falls die Präzi­sion im maschinellen Ler­nen noch weit­er erhöht wer­den.

Pub­lika­tion: Klinck, Hol­ger & Rit­ter, Marc. Auto­mated iden­ti­fi­ca­tion of blue and fin whale vocal­iza­tions using an ensem­ble-based clas­si­fi­ca­tion sys­tem. In: The 7th Inter­na­tional DCLDE [Detec­tion, Clas­si­fi­ca­tion, Local­iza­tion, and Den­sity Esti­ma­tion] Work­shop 13.–16.07.2015, La Jol­la, CA, USA, Präsen­ta­tion, 1. Platz bei der Detek­tion von Barten­walen im Nieder­fre­quenzbere­ich. [Link]

Gemessene Farb­skala des Sanyo PDG-DWL 2500 Pro­jek­tors mit 64³ Sam­ples im nativ­en Far­braum der Kam­era [Quelle: Mar­cel Heinz; Gui­do Brun­nett: Dense Sam­pling of 3D Col­or Trans­fer Func­tions Using HDR Pho­tog­ra­phy]

Local­izeIT Mitar­beit­er Dr. Mar­cel Heinz entwick­elte in Zusam­me­nar­beit mit Prof. Dr. Gui­do Brun­nett von der Pro­fes­sur für Graphis­che Daten­ver­ar­beitung und Visu­al­isierung der Fakultät für Infor­matik an der Tech­nis­chen Uni­ver­sität Chem­nitz eine verbesserte Meth­ode zur Mes­sung von 3D-Farb­trans­fer­funk­tio­nen (engl. Col­or Trans­fer Func­tions — CTF) und präsen­tierten diese gemein­sam im Rah­men des IEEE CCD/PROCAMS 2015 Work­shops auf der CVPR 2015 in Boston — der inter­na­tion­al hochrangig­sten und größten Kon­ferenz auf dem Gebi­et der Muster- und Bilderkennung/Computer Vision.

Die entwick­elte Meth­ode beschle­u­nigt die Bes­tim­mung der CTFs, welche für die Kalib­rierung von Mehrseg­ment-Pro­jek­tion­san­la­gen hin­sichtlich Farb- und Hel­ligkeitswieder­gabe unverzicht­bar sind. Bish­erige Meth­o­d­en zur Mes­sung von Pro­jek­toraus­gaben benöti­gen pro Mes­sung mehrere Sekun­den und weichen meist stark von einem ide­alen RGB-Mod­ell ab. Dadurch sind diese Meth­o­d­en in prax­is­rel­e­van­ten Zeiträu­men wed­er ver­hält­nis­mäßig noch qual­i­ta­tiv zufrieden­stel­lend. Mar­cel Heinz und Gui­do Brun­nett entwick­el­ten unter Benutzung ein­er dig­i­tal­en Spiegel­re­flexkam­era eine Mess­meth­ode mit ein­er wesentlich höheren Sam­pledichte (64x64x64), die die Fehlerquote um ca. 30% reduziert. Dies ist eine wichtige Grund­lage für die zu entwick­el­nden Kalib­ri­erver­fahren im Arbeits­bere­ich “Device­less 3D-Steuerung”.

Pub­lika­tion: Heinz, Mar­cel & Brun­nett, Gui­do. Dense Sam­pling of 3D Col­or Trans­fer Func­tions using HDR pho­tog­ra­phy. In: The IEEE Con­fer­ence on Com­puter Vision and Pat­tern Recog­ni­tion (CVPR) Work­shops, S.25–32. [Link]