Navigationsweiche Anfang

Navigationsweiche Ende

Robin Chan

Bergische Universität Wuppertal   
Fakultät für Mathematik und Naturwissenschaften
Arbeitsgruppe Stochastik

Gaußstraße 20
D-42119 Wuppertal

Homepage
Eine Umfrage (mit der Bitte diese auszufüllen)

Kontakt:

Raum: U.11.16
Tel.: (+49)-(0)202 439 - 2391
Fax: (+49)-(0)202 439 - 2912
E-Mail: chan{at}math.uni-wuppertal.de

Sekretariat:

Kerstin Scheibler
Raum: G16.02
Tel: (+49)-(0)202 439 - 2767
E-Mail: scheibler{at}math.uni-wuppertal.de

 


 

Publikationen:

  1. Robin Chan, Matthias Rottmann, Fabian Hüger, Peter Schlicht und Hanno Gottschalk – MetaFusion: Controlled False-Negative Reduction of Minority Classes in Semantic Segmentation, The IEEE International Joint Conference on Neural Networks (IJCNN) 2020, verfügbar: https://arxiv.org/abs/1912.07420
  2. Dominik Brüggemann, Robin Chan, Matthias Rottmann, Hanno Gottschalk und Stefan Bracke – Detecting Out Of Distribution Objects in Semantic Segmentation of Street Scenes, The 30th European Safety and Reliability Conference (ESREL) 2020, verfügbar: https://www.rpsonline.com.sg/proceedings/esrel2020/html/4518.xml
  3. Matthias Rottmann, Kira Maag, Robin Chan, Fabian Hüger, Peter Schlicht und Hanno Gottschalk – Detection of False Positive and False Negative Samples in Semantic Segmentation, Design, Automation and Test in Europe (DATE) Conference 2020, verfügbar: https://arxiv.org/abs/1912.03673
  4. Robin Chan, Matthias Rottmann, Radin Dardashti, Fabian Hüger, Peter Schlicht und Hanno Gottschalk – The Ethical Dilemma when (not) Setting up Cost-based Decision Rules in Semantic Segmentation, The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops 2019, verfügbar: https://arxiv.org/abs/1907.01342
  5. Matthias Rottmann, Pascal Colling, Thomas-Paul Hack, Robin Chan, Fabian Hüger, Peter Schlicht und Hanno Gottschalk – Prediction Error Meta Classifcation in Semantic Segmentation: Detection via Aggregated Dispersion Measures of Softmax Probabilities, The IEEE International Joint Conference on Neural Networks (IJCNN) 2020, verfügbar: https://arxiv.org/abs/1811.00648