FWF - Advanced Learning Tracking - Maschinelles Lernen für Detektion und Verfolgung

Das primäre Ziel dieses Projektes ist es den "state of the art" von Objektdetektions- und Objektverfolgungs- Methoden signifikant zu verbessern. Dies wird möglich in dem die komplementäre Expertise von drei in Europa führenden Computer Vision Labs kombiniert wird. Die medizinische Workflow-Analyse dient primär als Testszenario um (i) neue Herausforderungen für Detektion und Verfolgung zu haben sowie (ii) um die neuen Algorithmen an komplexen Aufgaben testen zu können. Das Wissen um Handlungen und Handlungsabläufe in einem Operationssaal ist für eine Reihe von Anwendungen höchst relevant. Das Ziel in diesem Projekt ist es die Handlungen von Personen sowie großee Objekte mittels eines Multi-Kamerasystems zu erfassen, und diese dann als Eingabe an ein Workflow-Analysesystem zu übergeben. Aus algorithmischer Sicht liegt der Fokus des Projektes auf neuen Detektions und Tracking Methoden. Die notwendige Robustheit und Adaptivität soll durch neue on-line Lernverfahren erreicht werden. Unsupervised und Semi-supervised Lernen ist ein weiterer Forschungsfokus in dem Projekt. Lernen ist integraler Bestandteil der Detektion und der Trackingverfahren. Durch die starke Integration der Lernkomponente wird einerseits ein effizienteres Lernen durch bessere Daten als auch ein besseres Tracking und eine genauere Detektion durch szenenspezifische Modelle ermöglicht. Das Ergebnis der Detektion und der Objektverfolgung wird zur Analyse von Verhaltensmustern eingesetzt die wiederum Eingang in die medizinische Workflow-Analyse finden.