@phdthesis{Wobst,
  type      = {Bachelor Thesis},
  author    = {Oliver Wobst},
  title     = {Visualisierungsgest{\"u}tzte Untersuchung der Auswirkungen der semantischen Bildsegmentierung auf die Klassifikationsentscheidung von Convolutional Neural Networks},
  abstract  = {Die Bachelorarbeit untersucht, welche Auswirkungen die semantische Bildsegmentierung als Vorverarbeitungsschritt f{\"u}r Eingabebilder auf die Klassifikationsf{\"a}higkeit eines Convolutional Neural Networks (CNN) hat. Zu diesem Zweck werden Experimente mit verschiedenen Visualisierungstechniken gemacht, die geeignet sind, relevante Aspekte des Datenflusses im CNN w{\"a}hrend des Klassifikationsprozesses (wie z.B. den f{\"u}r die Klassifikationsentscheidung relevantesten Bildausschnitt) intuitiv zu veranschaulichen. Hierzu sollen verschiedene bereits existierende Ans{\"a}tze wie GradCAM, Taylor Decomposition, Activation Maximization auf ihre Anwendbarkeit anhand von synthetischen Bilddaten systematisch untersucht werden. Hierzu werden Daten- und Kontrollschnittstellen zu den anvisierten CNN-Verfahren umgesetzt und Vergleichsexperimente mit unbehandelten und auf verschiedene Weise vorsegmentierten Bilddaten konzipiert und durchgef{\"u}hrt. Die Arbeit soll ein intuitives Verst{\"a}ndnis bzgl. der Fragestellung f{\"o}rdern, welchen Effekt eine vorherige Bildsegmentierung auf das Klassifikationsresultat und die CNN-interne Repr{\"a}sentation von bildbasierten Daten hat},
  language  = {de}
}