Explainable Artificial Intelligence: Analyse und Visualisierung des Lernprozesses eines Convolutional Neural Network zur Erkennung deutscher Straßenverkehrsschilder, vol 26

Robin Maasjosthusmann and Frank Lehrbass

in ifes Schriftenreihe from FOM Hochschule für Oekonomie & Management, ifes Institut für Empirie & Statistik

Abstract: Autonomes Fahren ist ohne den Einsatz von KI undenkbar. Da aber jedes Fahrzeug eine potentielle Gefahrenquelle darstellt, ist es besonders wichtig, die dabei eingesetzte KI verstehen zu können. Eine dabei bedeutsame Herausforderung ist zu begreifen, worauf die Klassifizierung deutscher Straßenverkehrsschilder mit Hilfe von KI basiert. Die nachfolgende Zielsetzung konkretisiert diese. Ein Ausblick auf den Gang der Studie folgt. 1.1 Einführung in das Thema Durch die Verfügbarkeit autonom fahrender Fahrzeuge wird ein revolutionärer Transformationsprozess im Transportsektor erwartet. Dadurch, dass sich diese Transformation sowohl auf den kommerziellen (Waren- oder Personentransport) als auch auf den privaten Sektor (private Kraftfahrzeuge (Kfz)) bezieht, wird sich ein Großteil der Teilnehmer am Straßenverkehr in absehbarer Zeit selbst in autonomen Fahrzeugen oder aber parallel zu solchen fortbewegen. Das automatisierte Fahren von Fahrzeugen wird in fünf Stufen unterteilt. Erst Stufe 5 umfasst dabei das vollständig selbstständige Fahren der Fahrzeuge und kann daher als autonomes Fahren angesehen werden. Die vorherigen Level bedienen die volle Bandbreite von funktional partikulär unterstützenden Systemen (z. B. Einparkhilfen) bis zur autonomen Lenkung bei Anwesenheit eines verantwortlichen Fahrers. Bereits Mitte 2019 waren alleine in den USA mehr als 1400 autonome Fahrzeuge von über 80 Unternehmen am öffentlichen Straßenverkehr beteiligt. Aktuelle Schätzungen gehen davon aus, dass bis 2045 bis zu 50 % der Neuwagenzulassungen und 40 % der mit Fahrzeugen zurückgelegten Kilometer auf autonome Fahrzeuge zurückgehen. (...)

Date: 2021
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/249989/1/FOM-ifes-Bd26.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:fomies:26

Access Statistics for this book

More books in ifes Schriftenreihe from FOM Hochschule für Oekonomie & Management, ifes Institut für Empirie & Statistik Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().