Kombination von Informationen aus verschiedenen Quellen, um eine einheitliche Darstellung der Daten zu erhalten.
Ein einfacher Fusionsprozess kombiniert Rohdaten aus mehreren Quellen oder unterschiedlichen Modalitäten (z.B. Fusion von räumlichen und zeitlichen Daten). Neben der Fusion der Rohdaten ist es auch möglich, die Sensordaten zunächst zu verarbeiten, um Merkmale zu extrahieren und die extrahierten Merkmale dann zu einem gemeinsamen Merkmalsvektor zu kombinieren. Alternativ ist es möglich, Klassifizierungsergebnisse zu fusionieren, z.B. indem die Merkmale aus verschiedenen Sensormodalitäten in separate Klassifizierer eingegeben werden, die jeweiligen Klassifizierungsergebnisse von jedem Klassifizierer erhalten und die einzelnen Ergebnisse zu einem endgültigen Klassifizierungsergebnis kombiniert werden.
Beispiele sind die probabilistische Fusion, die statistische Fusion, die Fuzzy-Fusion, die Fusion auf der Grundlage eines Beweises [Evidence] und der Evidenztheorie [Belief Theory], z.B. Dempster-Shafer oder die Fusion durch Abstimmung.
Die Fusion kann auch in verschiedenen Phasen eines Erkennungssystems zu unterschiedlichen Zwecken angewandt werden, z.B. zur Dimensionalitätsreduktion, zur Robustheit der Berechnung, zur Verbesserung der Präzision und der Sicherheit von Klassifizierungsentscheidungen usw.
| Erkennen oder Verstehen von Bildern oder Videos durch Fusion, d.h. Kombination von Daten aus verschiedenen Quellen auf der Sensorebene, der Vorverarbeitungsebene, der Ebene der Merkmalsextraktion oder der Klassifizierungsebene | G06V 10/80 |
Combining the information from several sources in order to form a unified data representation.
A simple fusion process combines raw data from several sources or different modalities (e.g. fusing spatial and temporal data). Besides fusing the raw data, it is also possible to first process the sensor data to extract features and then combine the extracted features into a joint feature vector. Alternatively, it is possible to fuse classification results, e.g. inputting the features from different sensor modalities to separate classifiers, receiving respective classification scores from each classifier, and combining the individual scores into a final classification result.
Examples are probabilistic fusion, statistic fusion, fuzzy reasoning fusion, fusion based on evidence and belief theory, e.g. Dempster-Shafer or fusion by voting.
Fusion can also be applied at different stages of a recognition system for different purposes, e.g. for dimensionality reduction, computing robustness, improving precision and certainty in the classification decisions, etc.
| Image or video recognition or understanding using fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level | G06V 10/80 |