Trotz fortschreitender Digitalisierung sind Stift und Papier, aufgrund ihrer einzigartigen Vorzüge, nicht aus dem beruflichen wie privaten Alltag wegzudenken (Sellen et.al, 2001). Für die Überführung handschriftlicher Notizen und Informationen in ein Computersystem ist meist jedoch mühsame Handarbeit notwendig, weshalb seit Jahren Bemühungen existieren beide Medien sinnvoller und effizienter miteinander zu vereinen (Guimbretière, 2003). Durch die Verwendung von maschinellem Lernen konnten diesbezüglich einige Fortschritte in den Bereichen der elektronischen Dokumentsegmentierung sowie der optischen Zeichenerkennung erzielt werden (Carton et. al, 2017). Andere Ansätze verfolgen das Ziel, die Position und Orientierung der verwendeten Schreibgeräte mithilfe eines Kamerasystems zu erfassen, um so tiefer gehende Informationen über Bewegungsmuster während des Schreibens zu gewinnen. Die neuesten Erkenntnisse der Objektposenbestimmung aus dem Bereich des maschinellen Sehens versuchen hier Defizite zu beheben und die Verwendbarkeit in Echtzeitsystemen zu erhöhen, was insbesondere für Anwendungen der Augmented-Reality, Robotik und Human-Computer-Interaction von großer Bedeutung ist (Cao et.al, 2003).
Im Rahmen dieser Arbeit sollen Systeme aus dem Bereich des maschinellen Sehens mit Convolutional Neural Networks, im Hinblick auf die Posenbestimmung von Schreibgeräten, trainiert und evaluiert werden. Dazu notwendig ist die Sammlung, Analyse und Identifikation verwendbarer Ansätze aus der Literatur, welche sich auf die oben beschriebene Anwendungsdomäne adaptieren lassen. Ziel ist es, die trainierten Systeme, mithilfe geeigneter Metriken, dahin gehend zu untersuchen, inwiefern diese zur Lösung der Problemstellung geeignet sind und mit welchen Vor- und Nachteilen sie sich voneinander Abgrenzen. Durch die steigende Leistungsfähigkeit der oft dafür verwendeten Grafikkarten ist die Forschung hinsichtlich der Anwendbarkeit in Echtzeitsystemen besonders interessant. Das Ziel ist eine Basis für neue Interaktions- und Eingabemöglichkeiten zu schaffen. Da für das Training derartiger Netzwerke stets eine existierende Datenbasis notwendig ist, ist die Entwicklung und Erstellung eines kontextbezogenen Datensatzes ebenfalls ein großer Bestandteil der Arbeit. Die Methoden zur Datenbeschaffung, die Kriterien der Datenannotation sowie das zu verwendende Format mit dem Ziel der Wiederverwendbarkeit sollen identifiziert und definiert werden.
Konkrete Aufgaben: