English
 
Help Privacy Policy Disclaimer
  Advanced SearchBrowse

Item

ITEM ACTIONSEXPORT

Released

Book Chapter

Funktionelle Prinzipien der Objekt- und Gesichtserkennung

MPS-Authors
/persons/resource/persons83839

Bülthoff,  HH
Department Human Perception, Cognition and Action, Max Planck Institute for Biological Cybernetics, Max Planck Society;
Max Planck Institute for Biological Cybernetics, Max Planck Society;

Fulltext (restricted access)
There are currently no full texts shared for your IP range.
Fulltext (public)
There are no public fulltexts stored in PuRe
Supplementary Material (public)
There is no public supplementary material available
Citation

Bülthoff, H., & Ruppertsberg, A. (2006). Funktionelle Prinzipien der Objekt- und Gesichtserkennung. In H. Karnath, & P. Thier (Eds.), Neuropsychologie (2., pp. 107-116). Berlin, Germany: Springer.


Cite as: https://hdl.handle.net/11858/00-001M-0000-0013-D331-2
Abstract
Objekterkennung ist ein sehr komplexes Problem. Neben der Tatsache, dass Objekte von unterschiedlichen Ansichten aus unterschiedlich aussehen, aber trotzdem zu einem Objekt zusammengehören, besteht noch das unterbestimmte und damit eigentlich unlösbare Problem von einer zweidimensionalen Abbildung auf die dreidimen sionale Struktur des Objekts zu schliessen. Dies wird erst dadurch möglich, dass wir Vorwissen über unsere Welt besitzen und damit die Interpretationsmöglichkeiten drastisch einschränken. Objekterkennung umfasst sowohl die Kategorisierung von Objekten in eine Kategorie, als auch die Identifikation eines bestimmten Objektes. Die Anforderungen an das System sind deshalb konträr: Neben der Generalisierung steht die Spezifität. Man unterscheidet 3 Hierarchieebenen, auf denen Objekterkennung statt fin den kann. Die derzeit diskutierten Objekterkennungsmodelle unterscheiden sich vor allem darin, ob eine dreidimensionale Rekonstruktion des gesehenen Objekts stattfindet oder nicht. In dem hier favorisierten Modell werden Objekte durch eine Anzahl von spezifischen Ansichten repräsentiert, dadurch werden gemessene Reaktionszeitunterschiede und Fehlerraten auf unterschiedlichen Hierarchieebenen am besten erklärt.