PAPERS

[HMT+19]P. Holstein, S. Moeck, C. Tschöpe, F. Duckhorn, P. Kolbe, and M. Hennecke (2019). Monitoring Of Compressor Operations – A Machine Learning Approach. In Proc. International Congress on Sound and Vibration (ICSV26). Accepted.
[TDK+19]C. Tschöpe, F. Duckhorn, P. Kolbe, and P. Holstein (2019). Zustandsüberwachung von Kompressoren mit maschinellem Lernen. In Proc. DACH-Jahrestagung. Accepted.
[TDH+18]C. Tschöpe, F. Duckhorn, M. Huber, W. Meyer, and M. Wolff (2018). A Cognitive User Interface for a Multi-Modal Human-Machine Interaction. In Proc. International Conference on Speech and Computer (SPECOM), pp. 707–717, Springer. Doi: 10.1007/978-3-319-99579-3.
[WTD18]C. Wunderlich, C. Tschöpe, and F. Duckhorn (2018). Advanced Methods in NDE using Machine Learning Approaches. In Proc. AIP Conference Proceedings. Doi: 10.1063/1.5031519.
[MBB18]D. Maurer, Y. C. Ju, M. Breuß, A. Bruhn (2018). Combining Shape from Shading and Stereo: A Joint Variational Method for Estimating Depth, Illumination and Albedo. International Journal of Computer Vision, pp. 1–25. Doi: https://doi.org/10.1007/s11263-018-1079-1.
[TDR+17]C. Tschöpe, F. Duckhorn, C. Richter, P. Blüthgen, and M. Wolff (2017). An Embedded System for Acoustic Pattern Recognition. In Proc. IEEE Sensors Conference. Doi: 10.1109/ICSENS.2017.8234380.
[DHM+17]F. Duckhorn, M. Huber, W. Meyer, O. Jokisch, C. Tschöpe, and M. Wolff (2017). Towards an Autarkic Embedded Cognitive User Interface. In Proc. In Proc. Annual Conference of the International Speech Communication Association (Interspeech), pp. 3435–3436. Doi: 10.21437/Interspeech.2017.
[LDT17]U. Lieske, F. Duckhorn, and C. Tschöpe (2017). Verfahren zur akustischen Detektion von Schadinsekten bei der Getreide- und Saatgutlagerung, In Proc. DGZFP-Jahrestagung. Online: https://www.ndt.net/article/dgzfp2017/papers/p52.pdf, retrieved Mar. 18, 2019.
[TW16]C. Tschöpe and M. Wolff (2016). Mustererkennung in der technischen Diagnose. In Proc. Tagung Technische Diagnostik, pp. 124–125.
[JMB+16]Y. C. Ju, D. Maurer, M. Breuß, A. Bruhn (2016). Direct variational perspective shape from shading with Cartesian depth parametrisation. Perspectives in Shape Analysis. Mathematics and Visualization, pp. 43–72, Springer. Doi: http://dx.doi.org/10.1007/978-3-319-24726-7_3.
[MJB+16]D. Maurer, Y. C. Ju, M. Breuß, A. Bruhn (2016). Combining Shape from Shading and Stereo: A Variational Approach for the Joint Estimation of Depth, Illumination and Albedo. In Proc. British Machine Vision Conference (BMVC), pp. 76.1–76.14. Doi: http://www.bmva.org/bmvc/2016/papers/paper076/paper076.pdf
[TDW+15]C. Tschöpe, F. Duckhorn, M. Wolff, and G. Saeltzer (2015). Estimating Blood Sugar from Voice Samples - A Preliminary Study. In Proc. International Conference on Computational Science and Computational Intelligence (CSCI), pp. 804–805. IEEE Computer Society.
[TDP+15]C. Tschöpe, F. Duckhorn, A. Pietzsch, and U. Lieske (2015). Akustische Mustererkennung zur automatischen Schädlingserkennung. In Proc. DACH-Jahrestagung. Online: https://www.ndt.net/article/dgzfp2015/papers/mi2a4.pdf, retrieved Mar. 18, 2019.
[MJB+15]D. Maurer, Y. C. Ju, M. Breuß, A. Bruhn (2015). An efficient linearisation approach for variational perspective shape from shading. In Proc. German Conference on Pattern Recognition (GCPR), pp. 249–261. Doi: http://dx.doi.org/10.1007/978-3-319-24947-6_20.
[JBB15]Y. C. Ju, M. Breuß, A. Bruhn (2015). Variational perspective shape from shading. In Proc. International Conference on Scale Space and Variational Methods in Computer Vision (SSVM), pp. 538–550. Doi: http://dx.doi.org/10.1007/978-3-319-18461-6_43.
[TWD14]C. Tschöpe, M. Wolff, and F. Duckhorn (2014). Zustandsüberwachung von Magnetventilen anhand der Schaltgeräusche. In Proc. DGZFP-Jahrestagung. Online: http://jt2014.dgzfp.de/portals/jt2014/BB/p67.pdf, retrieved Mar. 18, 2019.
[WTR+13]M. Wolff, C. Tschöpe, R. Römer, and G. Wirsching (2013). Subsymbol-Symbol-Transduktoren In: Proc. Elektronische Sprachsignalverarbeitung (ESSV). P. Wagner, editor, Studientexte zur Sprachkommunikation, vol. 65, pp. 197–204, TUDpress Dresden.
[TWH13]C. Tschöpe, M. Wolff, and R. Hoffmann (2013). Anwendungen der akustischen Musterer-kennung. In Proc. Elektronische Sprachsignalverarbeitung (ESSV), P. Wagner, editor, Studientexte zur Sprachkommunikation, vol. 65, pp. 205–210, TUDpress Dresden.
[WTR13]M. Wolff, C. Tschöpe, and R. Römer. Quo vadis, UASR? (2013) In: D. Mehnert et al., eds., Studientexte zur Sprachkommunikation, vol. 68, pp. 276–285, TUDpress Dresden.
[JTB+13]Y. C. Ju, S. Tozza, M. Breuß, A. Bruhn, A. Kleefeld (2013). Generalised perspective shape from shading with Oren-Nayar reflectance. In Proc. British Machine Vision Conference (BMVC), pp. 42.1–42.11. Doi: http://dx.doi.org/10.5244/C.27.42.
[GJB+13]S. Galliani, Y. C. Ju, M. Breuß, A. Bruhn (2013). Generalised perspective shape from shading in spherical coordinates. In Proc. International Conference on Scale Space and Variational Methods in Computer Vision (SSVM), pp. 222–233. Doi: http://dx.doi.org/10.1007/978-3-642-38267-3_19.
[TW12a]C. Tschöpe and M. Wolff (2012). Processing and evaluation of gear data using statistical classifiers. In CD-ROM Proc. European Congress on Computational Methods in Applied Sciences and Engineering (ECCOMAS).
[TW12b]C. Tschöpe and M. Wolff (2012). Zur Formulierung von Hidden-Markov-Modellen als endliche Transduktoren. In Proc. Elektronische Sprachsignalverarbeitung (ESSV), M. Wolff, editor, Studientexte zur Sprachkommunikation, vol. 64, pp. 120–128, TUDpress Dresden.
[JBB+12]Y. C. Ju, M. Breuß, A. Bruhn, S. Galliani (2012). Shape from Shading for Rough Surfaces: Analysis of the Oren-Nayar Model. In Proc. British Machine Vision Conference (BMVC), pp. 104.1–140.11, 2012. Doi: http://dx.doi.org/10.5244/C.26.104.
[GBJ12]S. Galliani, M. Breuß, Y. C. Ju (2012). Fast and Robust Surface Normal Integration by a Discrete Eikonal Equation. In Proc. British Machine Vision Conference (BMVC), pp. 106.1–106.11. Doi: http://dx.doi.org/10.5244/C.26.106.
[TWH11]C. Tschöpe, M. Wolff, and R. Hoffmann (2011). Akustische Mustererkennung. In Proc. Jahrestagung für Akustik. Online: http://pub.dega-akustik.de/DAGA_2011/data/articles/000145.pdf, retrieved Mar. 18, 2019.
[BJ11]M. Breuß, Y. C. Ju (2011). Shape from Shading with Specular Highlights: Analysis of the Phong Model. In Proc. IEEE International Conference on Image Processing (ICIP), pp. 9–12. Doi: http://dx.doi.org/10.1109/ICIP.2011.6116732.
[TJD+11]C. Tschöpe, D. Joneit, F. Duckhorn, R. Hoffmann, G. Strecha, and M. Wolff (2011). Sprachsteuerung für Mess- und Prüfgeräte. In DGZFP-Berichtsband BB 127 – CD, Mi.2.C.2.
[TW10]C. Tschöpe and M. Wolff (2010). Instrumentelle Bestimmung der Weichheit von Tissueprodukten. In Proc. Forum Akustische Qualitätssicherung der DGAQS, pp. 3/1–3/3.
[ST10]J. Schreiber and C. Tschöpe (2010). Neue Verfahren der Signaturanalyse zur Zustandsbewertung von Anlagen und Maschinen. In Proc. Leibniz Conference of Advanced Science – Sensorsysteme. Online: https://leibniz-institut.de/Konferenzen/ss2010/schreiber__neue_verfahren_ signaturanalysen.pdf, retrieved Mar. 18, 2019.
[TW09]C. Tschöpe and M. Wolff (2009). Statistical Classifiers for Structural Health Monitoring. IEEE Sensors Journal 9(11):1567–1576.
[KWT09]U. Kordon, M. Wolff, and C. Tschöpe (2009). Mustererkennung für Sensorsignale. In G. Gerlach, editor, Dresdner Beiträge zur Sensorik, vol. 40, pp. 69–78, TUDpress Dresden.
[TWH09a]C. Tschöpe, M. Wolff, and R. Hoffmann (2009). Akustische Mustererkennung für die ZfP. MP Materials Testing, vol. 10/2009, pp. 701–704, Carl Hanser Verlag.
[PCF+09]T. Pusch, C. Cherif, A. Farooq, S. Wittenberg, M. Wolff, R. Hoffmann, and C. Tschöpe (2009). Fehlerfrüherkennung an Textilmaschinen mit Hilfe der Körperschallanalyse. Melliand Textilberichte, vol. 3/2009, pp. 113–115.
[SWD+09]G. Strecha, M. Wolff, F. Duckhorn, S. Wittenberg, and C. Tschöpe (2009). The HMM Synthesis Algorithm of an Embedded Unified Speech Recognizer and Synthesizer. In Proc. Annual Conference of the International Speech Communication Association (Interspeech), pp. 1763–1766.
[TWH09b]C. Tschöpe, M. Wolff, and R. Hoffmann (2009). Automatische Klassifikationsverfahren in der Zustandsüberwachung. In Proc. DGZFP-Berichtsband BB 115-CD, Di.3.B.2.
[WT09]M. Wolff and C. Tschöpe (2009). Pattern Recognition for Sensor Signals. In Proc. IEEE Sen-sors Conference, pp. 665–668.
[TSN+08]C. Tschöpe, E. Schulze, H. Neunübel, M. Wolff, and R. Schubert (2008). Experiments in Acoustic Structural Health Monitoring of Airplane Parts. In Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), pp. 2037–2040.
[PCF+08]T. Pusch, C. Cherif, A. Farooq, S. Wittenberg, R. Hoffmann, and C. Tschöpe (2008). Early fault detection at textile machines with the help of structure-borne sound analysis. Melliand English, vol. 11-12/2008, pp. E144–E145.
[TW08]C. Tschöpe and M. Wolff (2008). Automatische Beurteilung akustischer Signale. In Proc. Forum Akustische Qualitätssicherung der DGAQS, pp. 3/1–3/4.
[TW07]C. Tschöpe and M. Wolff (2007): Automatic Decision Making in SHM using Hidden Markov Models. In Proc. International Conference on Database and Expert Systems Applications (DEXA), pp. 307–311.
[THH05]C. Tschöpe, D. Hirschfeld, and R. Hoffmann (2005). Klassifikation technischer Signale für die Geräuschdiagnose von Maschinen und Bauteilen. In H. Tschöke et al., editors, Motor- und Aggregate-Akustik II, pp. 1–15, expert verlag, Renningen.
[THW+04]C. Tschöpe, D. Hentschel, M. Wolff, M. Eichner, and R. Hoffmann (2004). Classification of Non-Speech Acoustic Signals using Structure Models. In Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), vol. 5, pp. 653–656.

Unsere Webseite verwendet Cookies. Diese haben zwei Funktionen: Zum einen sind sie erforderlich für die grundlegende Funktionalität unserer Website. Zum anderen können wir mit Hilfe der Cookies unsere Inhalte für Sie immer weiter verbessern. Hierzu werden pseudonymisierte Daten von Website-Besuchern gesammelt und ausgewertet. Das Einverständnis in die Verwendung der technisch nicht notwendigen Cookies können Sie jeder Zeit wiederrufen. Weitere Informationen erhalten Sie auf unseren Seiten zum Datenschutz.

Erforderlich

Diese Cookies werden für eine reibungslose Funktion unserer Website benötigt.

Statistik

Für den Zweck der Statistik betreiben wir die Plattform Matomo, auf der mittels pseudonymisierter Daten von Websitenutzern der Nutzerfluss analysiert und beurteilt werden kann. Dies gibt uns die Möglichkeit Websiteinhalte zu optimieren.

Name Zweck Ablauf Typ Anbieter
_pk_id Wird verwendet, um ein paar Details über den Benutzer wie die eindeutige Besucher-ID zu speichern. 13 Monate HTML Matomo
_pk_ref Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern. 6 Monate HTML Matomo
_pk_ses Kurzzeitiges Cookie, um vorübergehende Daten des Besuchs zu speichern. 30 Minuten HTML Matomo