Erscheinungsbasierte statistische Objekterkennung

Zusammenfassung.   Die automatische Erkennung und Lokalisation von Objekten in digitalen Bildern ist ein wesentlicher Bestandteil vieler praktisch relevanter Anwendungen. In diesem Artikel wird ein erscheinungsbasiertes Verfahren zur Erkennung starrer zwei- oder dreidimensionaler Objekte vorgestellt, dem eine statistische Modellierung zugrundeliegt. Im Gegensatz zu segmentierungsbasierten Verfahren, wie sie vor allem im Bereich der 3D-Objekterkennung eingesetzt werden, erm?glicht der erscheinungsbasierte Ansatz aufgrund der Modellierung der Intensit?tswerte oder davon abgeleiteter lokaler Merkmale eines Bildes die Erkennung komplexer Objekte. Die statistische Formulierung der Problemstellung bildet den mathematischen Kontext zur Bestimmung optimaler L?sungen. Die Form der Modellierung erlaubt neben der Einzelobjekterkennung auch die Berücksichtigung von heterogenem Bildhintergrund und Mehrobjektszenen. Die dazu ben?tigten lokalen Merkmale entstehen durch r?umlich begrenzte Transformationen des Bildes, wie beispielsweise Gabor- oder Wavelet-Transformationen. Die statistische Modellierung beschreibt die Verteilung dieser lokalen Merkmale anhand einer Dichtefunktion, die sich bei der Hintergrund- und Mehrobjektmodellierung als Mischungsverteilung der Einzelobjektverteilungen ergibt. Die Aufgabenstellungen des Erlernens und Erkennens von Objekten sind damit als Parametersch?tzprobleme formal darstellbar. Dabei werden im einen Fall die Modellparameter und im anderen Fall die Lageparameter beziehungsweise die Klassen von Objekten gesch?tzt. Die experimentelle überprüfung des Ansatzes anhand realer Objektaufnahmen durch CCD-Kameras zeigt seine Brauchbarkeit zur Erkennung von 2D- und 3D-Objekten bei homogenem und heterogenem Hintergrund. Eingegangen am 5. April 2000 / Angenommen am 20. Juli 2001     

Standard Error of Measurement

The standard error of measurement (SEM) is the standard deviation of errors of measurement that are associated with test scores from a particular group of examinees. When used to calculate confidence bands around obtained test scores, it can be helpful in expressing the unreliability of individual test scores in an understandable way. Score bands can also be used to interpret intraindividual and interindividual score differences. Interpreters should be wary of over-interpretation when using approximations for correctly calculated score bands. It is recommended that SEMs at various score levels be used in calculating score bands rather than a single SEM value.     

The Concept of Inclusive Education: Teacher Training and Acquisition of English Language in the Hearing Impaired

Three languages are widely used in schools in Kenya – English, Kiswahili and Kenya Sign Language. Many pupils with hearing impairments are taught separately from the mainstream, in specialist settings. The fact that most of the formal teaching, assessment and examination processes in Kenyan schools rely upon spoken and written English compounds the separation of these pupils from the mainstream of education and, potentially, from the mainstream of society. In this article, Gertrude Wamae, graduate assistant in the Department of English and Linguistics at Kenyatta University, and Rachael Kang'ethe-Kamau, lecturer in the Department of Special Education at Kenyatta University, discuss the relationships between language, hearing impairment and inclusion in the Kenyan context. The article suggests that the use of signed exact English would enhance opportunities for inclusion for those with hearing impairments and that programmes of teacher training need to take account of persuasive research in this area. The article closes with a plea for further research, carried out collaboratively by educationalists, linguists, teacher trainers and practitioners, to develop policies and practices suited to more inclusive futures. The article is based on a paper presented to the International Conference on Inclusive Education run by Maseno University in September 2002.