Prof. Dr. rer. nat. Hauke Schramm stu­dier­te Nach­rich­ten­tech­nik an der Uni­ver­si­tät Kiel und pro­mo­vier­te an der RWTH Aa­chen auf dem Ge­biet der au­to­ma­ti­schen Sprach­er­ken­nung. Er ar­bei­te­te 10 Jahre lang als Se­ni­or Sci­en­tist und Pro­jekt­lei­ter in den Phil­ips For­schungs­la­bo­ra­to­ri­en in Aa­chen, wo er Grund­la­gen­for­schun­gen und an­ge­wand­te For­schun­gen im Be­reich der Sprach­er­ken­nung und me­di­zi­ni­schen Bild­ana­ly­se durch­führ­te. Seit 2007 ist er Pro­fes­sor für In­for­ma­ti­ons­tech­no­lo­gie an der Fach­hoch­schu­le Kiel und be­schäf­tigt sich in For­schung und Lehre mit An­wen­dun­gen zur künst­li­chen In­tel­li­genz. Er grün­de­te im Jahr 2009 die Ar­beits­grup­pe In­tel­li­gen­te In­for­ma­ti­ons­sys­te­me, die seit­her zahl­rei­che Dritt­mit­tel­pro­jek­te zur au­to­ma­ti­schen Ana­ly­se von me­di­zi­ni­schen Daten sowie Bild- und Vi­deo­da­ten aus­führ­te. Im Jahr 2010 grün­de­te er das Un­ter­neh­men Car­ving­Co­lors, das in­no­va­ti­ve Pro­duk­te für den Krea­tiv- und Spiel­zeug­markt, wie Schnit­zen nach Far­ben, ent­wi­ckelt und ver­treibt. Seit 2014 ist er Zweit­mit­glied des In­sti­tuts für In­for­ma­tik an der Uni­ver­si­tät Kiel, wo er Vor­le­sun­gen im Be­reich Ma­schi­nel­les Ler­nen hält. Seine Ar­beits­grup­pe ist ak­tu­ell an der Ent­wick­lung und dem Be­trieb des Ver­suchs­trä­gers MS Wa­velab be­tei­ligt, mit dem au­to­no­me Schiff­fahrt auf der Kie­ler Förde er­forscht wird. Er ist In­ha­ber einer Reihe von Pa­ten­ten aus den Be­rei­chen Sprach­er­ken­nung, me­di­zi­ni­sche Bild­ana­ly­se, Mensch-Ma­schi­ne-Schnitt­stel­len, 3D-Druck und Mee­res­tech­nik.

Ver­öf­fent­li­chun­gen:

Dis­ser­ta­ti­on

[1] H. Schramm, "Mo­de­ling spon­ta­neous speech va­ria­bi­li­ty for large vo­ca­bu­la­ry con­ti­nuous speech re­co­gni­ti­on", RWTH Aa­chen, Com­pu­ter Sci­ence De­part­ment, April 2006.

Buch­bei­trä­ge

[2] C.​Meyer, H. Schramm, "Ma­chi­ne Lear­ning in Au­to­ma­tic Speech Re­co­gni­ti­on: Boos­ting and Dis­cri­mi­na­ti­ve Trai­ning of the Acou­stic Model", in Ma­chi­ne Lear­ning Re­se­arch Pro­gress, Edi­tors: H. Pe­ters, M. Vogel, ISBN: 978-1-60456-646-8, 2008.

Jour­nal­bei­trä­ge

[3] B. Sou­vi­gnier, A. Kell­ner, B. Ru­e­ber, H. Schramm, F. Seide. "The thought­ful ele­phant: Stra­te­gies for spo­ken dia­log sys­tems", IEEE Tran­sac­tions on Speech and Audio Pro­ces­sing, 8(1):51 -- 62, Ja­nu­ary 2000.

[4] H. Schramm, B. Ru­e­ber, and A. Kell­ner, "Stra­te­gies for name re­co­gni­ti­on in au­to­ma­tic di­rec­to­ry as­sis­tan­ce sys­tems", In­vi­ted Paper, Speech Com­mu­ni­ca­ti­on Jour­nal, pp. 329 -- 338, Vo­lu­me 31, Issue 4, Au­gust 2000.

[5] H. Schramm, X. Au­bert, B. Bak­ker, C. Meyer, H. Ney, "Mo­de­ling spon­ta­neous speech va­ria­bi­li­ty in pro­fes­sio­nal dic­ta­ti­ons", Speech Com­mu­ni­ca­ti­on Jour­nal, Vol. 48, Issue 5, pp. 493-515, May 2006.

[6] C. Meyer, H. Schramm, "Boos­ting acou­stic mo­dels for large vo­ca­bu­la­ry con­ti­nuous speech re­co­gni­ti­on", Speech Com­mu­ni­ca­ti­on Jour­nal, Vol. 48, Issue 5, pp. 532-548, May 2006.

[7] O. Eca­bert, J. Pe­ters, H. Schramm, C. Lo­renz, J. v. Berg, M. J. Wal­ker, M. Vem­bar, M. E. Ol­szew­ski, K. Sub­ra­manyan, G. Lavi, and J. Weese. "Au­to­ma­tic Model-based Seg­men­ta­ti­on of the Heart in CT Images", IEEE Tran­sac­tions on Me­di­cal Ima­ging, Vo­lu­me 27, Issue 9, Sept. 2008 Page(s):1189 - 1201. 

[8] H. Rup­perts­ho­fen, C. Lo­renz, P. Beyer­lein, Z. Salah, G. Rose, H. Schramm, “Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form for Lo­ca­li­za­ti­on of Joints in Lower Limbs”, Com­pu­ter Sci­ence – Re­se­arch and De­ve­lop­ment Jour­nal, 2010.

[9] M. Harm­sen, B. Fi­scher, H. Schramm, T. Sei­del, T. De­ser­no, “Sup­port Ve­c­tor Ma­chi­ne Clas­si­fi­ca­ti­on based on Cor­re­la­ti­on Pro­to­ty­pes ap­plied to Bone Age As­sess­ment”, IEEE Tran­sac­tions on In­for­ma­ti­on Tech­no­lo­gy in Bio­Me­di­ci­ne.

[10] H. Rup­perts­ho­fen, C. Lo­renz, G. Rose, H. Schramm, „Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form for Ob­ject Lo­ca­li­za­ti­on in Me­di­cal Images”, In­ter­na­tio­nal Jour­nal of Com­pu­ter As­sisted Ra­dio­lo­gy and Sur­ge­ry, ac­cep­ted for pu­bli­ca­ti­on, Jan. 2013.

[11] E. Ga­bri­el, M. Schleiss, H. Schramm, C. Meyer, "Ana­ly­sis of the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form as a Pro­po­sal Ge­ne­ra­tor for a Deep Net­work in Au­to­ma­tic Pe­des­tri­an and Car De­tec­tion," Jour­nal of Elec­tro­nic Ima­ging 27(5), 051228, 2018.

[12] A. O. Mader, C. Lo­renz, M. Berg­tholdt, J. von Berg, H. Schramm, J. Mo­der­sitz­ky, C. Meyer, "De­tec­tion and lo­ca­li­za­ti­on of spa­ti­al­ly cor­re­la­ted point land­marks in me­di­cal images using an au­to­ma­ti­cal­ly lear­ned con­di­tio­nal ran­dom field", Jour­nal Com­pu­ter Vi­si­on and Image Un­der­stan­ding, Vo­lu­mes 176–177, Pages 45-53, No­vem­ber–Decem­ber 2018.

[13] N. H. Huynh, G. Böer, H. Schramm, "Self-at­ten­ti­on and Ge­ne­ra­ti­ve Ad­versa­ri­al Net­works for Algae Mo­ni­to­ring", Eu­rope­an Jour­nal of Re­mo­te Sen­sing, doi: 10.1080/22797254.2021.2010605, 2021.

[14] G. Böer, H. Schramm, "Se­man­tic Seg­men­ta­ti­on of Ma­ri­ne Spe­ci­es in an Un­cons­trai­ned Un­der­wa­ter En­vi­ron­ment", Sprin­ger Com­mu­ni­ca­ti­ons in Com­pu­ter and In­for­ma­ti­on Sci­ence 1667, Ro­bo­tics, Com­pu­ter Vi­si­on and In­tel­li­gent Sys­tems, Pages 131-146, 2021.

[15] G. Böer, J. P. Grö­ger, S. Badri-Höher, B. Cis­ew­ski, H. Ren­ke­witz, F. Mit­ter­may­er, T. Strick­mann, and H. Schramm, "A Deep-Lear­ning Based Pipe­line for Esti­ma­ting the Abundance and Size of Aqua­tic Or­ga­nis­ms in an Un­cons­trai­ned Un­der­wa­ter En­vi­ron­ment from Con­ti­nuous­ly Cap­tu­red Ste­reo Video", Sen­sors 2023, 23, 3311. https://​doi.​org/​10.​3390/​s23063311, 2023.

[16] Grö­ger JP, Cis­ew­ski B, Badri-Ho­eher S, Böer G, Boos K, Clem­me­sen C, Co­jo­ca­ru A, Dau­ben V, Ho­eher PA, Leh­mann A, Matz S, Mehr­tens H, Mit­ter­may­er F, Ren­ke­witz H, Schramm H, Strick­mann T, West­pha­len J, Wilts T, Wink­ler J, Wolf D and Zenk O, "De­ve­lop­ment and ope­ra­ti­on of a novel non-in­va­si­ve opto-acou­stic un­der­wa­ter fish ob­ser­va­to­ry in Kiel Bight, Southwes­tern Bal­tic Sea". Front. Mar. Sci. 11:1425259. doi: 10.3389/fmars.2024.

Kon­fe­renz­bei­trä­ge

[17] A. Kell­ner, B. Ru­e­ber, H. Schramm, "Stra­te­gies for name re­co­gni­ti­on in au­to­ma­tic di­rec­to­ry as­sis­tan­ce sys­tems", Proc. IVTTA, To­ri­no, Italy, Sept. 1998.

[18] A. Kell­ner, B. Ru­e­ber, H. Schramm, "Using com­bi­ned de­cis­i­ons and con­fi­dence mea­su­res for name re­co­gni­ti­on in au­to­ma­tic di­rec­to­ry as­sis­tan­ce sys­tems", Proc. ICSLP, Syd­ney, Aus­tra­lia, Vol. 7, pp. 2859 -- 2862, 1998.

[19] H. Schramm, X. Au­bert, "Ef­fici­ent in­te­gra­ti­on of mul­ti­ple pro­nun­cia­ti­ons in a large vo­ca­bu­la­ry de­co­der", Proc. ICASSP, Is­tan­bul, Tur­key, Vol. 3, pp. 1659 -- 1662, June 2000.

[20] P. Beyer­lein, X. Au­bert, M. Har­ris, C. Meyer, H. Schramm, "In­ves­ti­ga­ti­ons on con­ver­sa­tio­nal speech re­co­gni­ti­on", in Proc. Eu­ro­speech, Aal­borg, Den­mark, Sep­tem­ber 2001.

[21] H. Schramm, P. Beyer­lein, "To­wards dis­cri­mi­na­ti­ve le­xi­con op­ti­mi­za­ti­on", Proc. Eu­ro­speech, Aal­borg, Den­mark, Sep­tem­ber 2001.

[22] H. Schramm, P. Beyer­lein, "Ideal acou­stic mo­de­ling", Proc. DARPA Large Vo­ca­bu­la­ry Con­ver­sa­tio­nal Speech Re­co­gni­ti­on Work­shop, Gaithers­burg, Md., May 2001.

[23] H. Schramm, P. Beyer­lein, "Dis­cri­mi­na­ti­ve op­ti­mi­za­ti­on of the le­xi­cal model", Proc. Pro­nun­cia­ti­on Mo­de­ling and Le­xi­con Ad­ap­ta­ti­on Work­shop, Estes Park, Co­lo­ra­do, Sep­tem­ber 2002.

[24] H. Schramm, X. Au­bert, C. Meyer, J. Pe­ters, "Fil­led-pause mo­de­ling for me­di­cal tran­scrip­ti­ons", Proc. Spon­ta­neous Speech Pro­ces­sing and Re­co­gni­ti­on Work­shop, Tokyo, Japan, April 2003.

[25] C. Meyer, H. Schramm, "Boos­ting acou­stic mo­dels in large vo­ca­bu­la­ry speech re­co­gni­ti­on", Proc. IASTED In­tern. Conf. on Si­gnal and Image Pro­ces­sing, Ho­no­lu­lu, Ha­waii, Au­gust 2004.

[26] H. Schramm, X. Au­bert, B. Bak­ker, C. Meyer, H. Ney, "Mo­de­ling spon­ta­neous speech va­ria­bi­li­ty in large vo­ca­bu­la­ry pro­fes­sio­nal dic­ta­ti­ons", Proc. IASTED In­tern. Conf. on Si­gnal and Image Pro­ces­sing, Ho­no­lu­lu, Ha­waii, Au­gust 2004.

[27] H. Schramm, O. Eca­bert, J. Pe­ters, V. Phi­lomin, J. Weese, "To­wards fully au­to­ma­tic 3-D ob­ject de­tec­tion and seg­men­ta­ti­on", SPIE Me­di­cal Ima­ging, San Diego, Fe­bru­ary 2006.

[28] H. Schramm, O. Eca­bert, J. Pe­ters, V. Phi­lomin, J. Weese, "A fully au­to­ma­tic 3-D ob­ject de­tec­tion tech­ni­que", 4-th Phil­ips Di­gi­tal Si­gnal Pro­ces­sing Con­fe­rence, Veld­ho­ven, The Ne­ther­lands, No­vem­ber 2005.

[29] O. Eca­bert, J. Pe­ters, M. J. Wal­ker, H. Schramm, M. Vem­bar, K. Sub­ra­manyan, J. von Berg, C. Lo­renz, J. Weese, "Qua­li­ta­ti­ve va­li­da­ti­on of au­to­ma­tic full heart seg­men­ta­ti­on in three-di­men­sio­nal MSCT images", 1st An­nu­al Sci­en­ti­fic Mee­ting of the So­cie­ty of Car­dio­va­s­cu­lar Com­pu­ted To­mo­gra­phy, Wa­shing­ton DC, July 13-16, 2006.

[30] O. Eca­bert, J. Pe­ters, H. Schramm, M. Vem­bar, M.J. Wal­ker, K. Sub­ra­manyan, J. Weese, "Mo­de­ling inter-in­di­vi­du­al and inter-phase shape va­ria­bi­li­ty for model-based seg­men­ta­ti­on of car­diac MSCT images", 1st An­nu­al Sci­en­ti­fic Mee­ting of the So­cie­ty of Car­dio­va­s­cu­lar Com­pu­ted To­mo­gra­phy, Wa­shing­ton DC, July 13-16, 2006.

[31] O. Eca­bert, J. Pe­ters, H. Schramm, M. Vem­bar, M. J. Wal­ker, K. Sub­ra­manyan, J. von Berg, C. Lo­renz, J. Weese, "Au­to­ma­tic seg­men­ta­ti­on of 3-D MSCT images for car­diac func­tional ana­ly­sis", RSNA 2006 (Con­gress of the Ra­dio­lo­gi­cal So­cie­ty of North Ame­ri­ca).

[32] O. Eca­bert, M. J. Wal­ker, J. Pe­ters, H. Schramm, M. Vem­bar, K. Sub­ra­manyan, J. von Berg, C. Lo­renz, J. Weese, "Au­to­ma­tic lo­ca­li­za­ti­on of land­marks for stan­dar­di­zed dis­play of car­diac images", RSNA 2006 (Con­gress of the Ra­dio­lo­gi­cal So­cie­ty of North Ame­ri­ca).

[33] J. Pe­ters, O. Eca­bert, C. Meyer, H. Schramm, R. Kne­ser, A. Groth, J. Weese, "Au­to­ma­tic Whole Heart Seg­men­ta­ti­on in Sta­tic Ma­gne­tic Re­so­nan­ce Image Vo­lu­mes", Me­di­cal Image Com­pu­ting and Com­pu­ter-As­sisted In­ter­ven­ti­on - MIC­CAI 2007, 10th In­ter­na­tio­nal Con­fe­rence, Bris­bane, Aus­tra­lia, Oc­to­ber 29 - No­vem­ber 2, 2007, Pro­cee­dings, Part II 2007.

[34] A.-B. Mar­tin-Re­cue­ro, P. Beyer­lein, H. Schramm, "Dis­cri­mi­na­ti­ve Op­ti­mi­za­ti­on of 3-D Shape Mo­dels for the Ge­ne­ra­li­zed Hough Trans­form", 7th In­ter­na­tio­nal Con­fe­rence and Work­shop on Am­bi­ent In­tel­li­gence and Em­bed­ded Sys­tems, Sept. 2008.

[35] H. Rup­perts­ho­fen, C. Lo­renz, P. Beyer­lein, Z. Salah, G. Rose, H. Schramm, "Fully Au­to­ma­tic Model Crea­ti­on for Ob­ject Lo­ca­li­za­ti­on Uti­li­zing the Ge­ne­ra­li­zed Hough Trans­form", Bild­ver­ar­bei­tung für die Me­di­zin (BVM) (281-285), 2010.

[36] H. Rup­perts­ho­fen, C. Lo­renz, P. Beyer­lein, Z. Salah, G. Rose, H. Schramm, "Lo­ka­li­sie­rung der Leber mit­tels einer dis­kri­mi­na­ti­ven Ge­ne­ra­li­sier­ten Hough Trans­for­ma­ti­on", Jah­res­ta­gung der Deut­schen Ge­sell­schaft für Com­pu­ter- und Ro­bo­teras­sis­tier­te Chir­ur­gie (CURAC), No­vem­ber 2010.

[37] H. Rup­perts­ho­fen, C. Lo­renz, P. Beyer­lein, Z. Salah, G. Rose, H. Schramm, “Ite­ra­ti­ve Trai­ning of Dis­cri­mi­na­ti­ve Mo­dels for the Ge­ne­ra­li­zed Hough Trans­form”, Work­shop on Me­di­cal Com­pu­ter Vi­si­on: Re­co­gni­ti­on Tech­ni­ques and Ap­pli­ca­ti­ons in Me­di­cal Images, Pe­king, 2010.

[38] H. Rup­perts­ho­fen, C. Lo­renz, P. Beyer­lein, Z. Salah, G. Rose, H. Schramm, “Shape Model Trai­ning for Con­cur­rent Lo­ca­li­za­ti­on of the Left and Right Knee”, SPIE Me­di­cal Ima­ging Con­fe­rence, Flo­ri­da, 2011. Pos­ter Award

[39] M. Brunk, H. Rup­perts­ho­fen, S. Schmidt, P. Beyer­lein, H. Schramm, “Bone Age Clas­si­fi­ca­ti­on Using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form”, BVM (Bild­ver­ar­bei­tung für die Me­di­zin) 2011.

[40] H. Rup­perts­ho­fen, C. Lo­renz, P. Beyer­lein, Z. Salah, G. Rose, H. Schramm, "Multi-Level Ap­proach for the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form", Jah­res­ta­gung der Deut­schen Ge­sell­schaft für Com­pu­ter- und Ro­bo­teras­sis­tier­te Chir­ur­gie (CURAC), No­vem­ber 2011.

[41] M. Harm­sen, B. Fi­scher, H. Schramm, T. M. De­ser­no, "Sup­port Ve­c­tor Ma­chi­ne Clas­si­fi­ca­ti­on using Cor­re­la­ti­on Pro­to­ty­pes for Bone Age As­sess­ment", BVM (Bild­ver­ar­bei­tung für die Me­di­zin) 2012.

[42] F. Boero, H. Rup­perts­ho­fen, H. Schramm, "Femur Lo­ca­li­za­ti­on Using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form", BVM (Bild­ver­ar­bei­tung für die Me­di­zin), Ber­lin, 2012.

[43] H. Rup­perts­ho­fen, C. Lo­renz, P. Beyer­lein, Z. Salah, G. Rose, H. Schramm, "A multi­di­men­sio­nal model for lo­ca­li­za­ti­on of high­ly va­ria­ble ob­jects", SPIE Me­di­cal Ima­ging Con­fe­rence, San Diego, 2012.

[44] F. Hah­mann, H. Rup­perts­ho­fen, G. Böer, R. Stan­na­ri­us, H. Schramm, “Eye Lo­ca­li­za­ti­on Using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form”, DAGM 2012, Graz.

[45] F. Hah­mann, H. Rup­perts­ho­fen, G. Böer, H. Schramm, “Model In­ter­po­la­ti­on for Eye Lo­ca­li­za­ti­on Using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form”, Bio­Sig, Darm­stadt 2012.

[46] M. Harm­sen, B. Fi­scher, H. Schramm, T. Sei­del, T. M. De­ser­no, “Sup­port ve­c­tor ma­chi­ne clas­si­fi­ca­ti­on sup­por­ted by cross-cor­re­la­ti­on ap­plied to bone age as­sess­ment“, SPIE Me­di­cal Ima­ging Con­fe­rence, Flo­ri­da, 2013.

[47] D. Haak, J. Yu, H. Simon, H. Schramm, T. Seidl, T. M. De­ser­no, “Bone age as­sess­ment using sup­port ve­c­tor re­gres­si­on with smart class map­ping”, SPIE Me­di­cal Ima­ging Con­fe­rence, Flo­ri­da, 2013.

[48] F. Hah­mann, G. Böer, H. Schramm, “Bone Age As­sess­ment Using the Clas­si­fy­ing Ge­ne­ra­li­zed Hough Trans­form“, sub­mit­ted to GCPR 2013.

[49] F. Hah­mann, G. Böer, H. Schramm, “Com­bi­na­ti­on of Fa­ci­al Land­marks for Ro­bust Eye Lo­ca­li­za­ti­on Using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form“, Bio­Sig, Darm­stadt, Ger­many, 2013.

[50] H. Essig, G. Boeer, I. Buhr, N.-C. Gell­rich, H. Schramm, "Au­to­ma­ti­sier­te De­tek­ti­on von ke­pha­lo­me­tri­schen Land­mar­ken auf drei­di­men­sio­na­len Ober­flä­chen­net­zen", IPJ In­ter­na­tio­nal Pos­ter Jour­nal of Den­ti­stry and Oral Me­di­ci­ne, 2014.

[51] F. Hah­mann, G. Böer, T. De­ser­no, H. Schramm , "Epi­phy­ses Lo­ca­li­za­ti­on for Bone Age As­sess­ment Using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form", Bild­ver­ar­bei­tung für die Me­di­zin, Aa­chen, Ger­many, 2014.

[52] G. Böer, F. Hah­mann, I. Buhr, H. Essig, H. Schramm, "De­tec­tion of Fa­ci­al Land­marks in 3D Face Scans Using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form (DGHT)", in Bild­ver­ar­bei­tung für die Me­di­zin, Lü­beck, Ger­many, 2015.

[53] F. Hah­mann, G. Boeer, E. Ga­bri­el, H. Schramm, "A Shape Con­sis­ten­cy Mea­su­re for Im­pro­ving the Ge­ne­ra­li­zed Hough Trans­form", Con­fe­rence on Com­pu­ter Vi­si­on Theo­ry and Ap­pli­ca­ti­ons (VI­SAPP), Ber­lin, Ger­many, 2015.

[54] F. Hah­mann, G. Böer, E. Ga­bri­el, T. M. De­ser­no, C. Meyer, H. Schramm, "Clas­si­fi­ca­ti­on of Vo­ting Pat­terns to Im­pro­ve the Ge­ne­ra­li­zed Hough Trans­form for Epi­phy­ses Lo­ca­li­za­ti­on", SPIE Me­di­cal Ima­ging, San Diego, 2016.

[55] A. O. Mader, H. Schramm, C. Meyer, "Using web images as ad­di­tio­nal trai­ning re­sour­ce for the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form", Sixth In­ter­na­tio­nal Con­fe­rence on Image Pro­ces­sing Theo­ry, Tools and Ap­pli­ca­ti­ons (IPTA), Oulu, Fin­land, 2016.

[56] E. Ga­bri­el, F. Hah­mann, G. Boeer, H. Schramm, C. Meyer, "Struc­tu­red Edge De­tec­tion for Im­pro­ved Ob­ject Lo­ca­li­za­ti­on using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form", In­ter­na­tio­nal Con­fe­rence on Com­pu­ter Vi­si­on Theo­ry and Ap­pli­ca­ti­ons (VI­SAPP), Rome, Italy, 2016.

[57] E. Ga­bri­el, H. Schramm, C. Meyer, "Ex­pe­ri­ments on Pe­des­tri­an Lo­ca­li­za­ti­on Using the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form", In­ter­na­tio­nal Sym­po­si­um on Am­bi­ent In­tel­li­gence and Em­bed­ded Sys­tems, 2016.

[58] A. O. Mader, H. Schramm, C. Meyer, "Efficient Epi­phy­ses Lo­ca­li­za­ti­on Using Re­gres­si­on Tree En­sem­bles and a Con­di­tio­nal Ran­dom Field", in Bild­ver­ar­bei­tung für die Me­di­zin, Hei­del­berg, Ger­many, 2017.

[59] E. Ga­bri­el, H. Schramm, C. Meyer, "Ana­ly­sis of the Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form for Pe­des­tri­an De­tec­tion", In­ter­na­tio­nal Con­fe­rence on Image Ana­ly­sis and Pro­ces­sing (ICIAP), Ca­ta­nia, Italy, 2017.

[60] A. O. Mader, J. von Berg, M. Berg­tholdt, J. Mo­der­sitz­ky, H. Schramm, C. Meyer, "De­tec­tion and Lo­ca­li­za­ti­on of Land­marks in the Lower Ex­tre­mi­ties Using an Au­to­ma­ti­cal­ly Lear­ned Con­di­tio­nal Ran­dom Field", In­ter­na­tio­nal Work­shop on Graphs in Bio­me­di­cal Image Ana­ly­sis (GRAIL), 2017, Que­bec, Ca­na­da. Best Paper Award

[61] E. Ga­bri­el, H. Schramm, C. Meyer, "The Dis­cri­mi­na­ti­ve Ge­ne­ra­li­zed Hough Trans­form as a Pro­po­sal Ge­ne­ra­tor for a Deep Net­work in Au­to­ma­tic Pe­des­tri­an Lo­ca­li­za­ti­on", In­ter­na­tio­nal Con­fe­rence on Com­pu­ter Vi­si­on Theo­ry and Ap­pli­ca­ti­ons, VI­SAPP, 2018.

[62]  G. Böer, R. Veera­mal­li, H. Schramm, "Seg­men­ta­ti­on of Fish in Rea­li­stic Un­der­wa­ter Sce­nes using Light­weight Deep Lear­ning Mo­dels", Int. Conf. on Ro­bo­tics, Com­pu­ter Vi­si­on and In­tel­li­gent Sys­tems - RO­BO­VIS, pages 158-164, 2021.

[63]  D. Laufs, H. Dan­kow­ski, H. Schramm, O. Land­sie­del, D. No­wot­ka, D. Som­mer­stedt, "CAPTN Förde Areal – A Smart and Clean Tech­no­lo­gy Plat­form for the Tes­ting and De­ve­lop­ment of Fu­ture Au­to­no­mous Pas­sen­ger Fer­ries", in AIS: Au­to­no­mous In­land & Short Sea Ship­ping, 2021.

Pa­ten­te

[1] B. Ru­e­ber, A. Kell­ner, H. Schramm, "Me­thod for error re­co­ve­ry in me­thod and de­vice for re­cognis­ing a user pre­sen­ta­ti­on through as­ses­sing the re­lia­bi­li­ty of a li­mi­ted set of hy­po­the­ses", Pub. No. WO/2000/016311, Pub. Date 23.03.2000.

[2] H. Schramm, “Me­thod and sys­tem for au­to­ma­ted con­t­rol of ac­tions in pre­sen­ta­ti­ons”, EP 1220201 B1, 2001.

[3] H. Schramm, P. Beyer­lein, "Ver­fah­ren und Sys­tem zum Trai­ning von je­weils genau einer Rea­li­sie­rungs­va­ri­an­te eines In­ven­tar­mus­ters zu­ge­ord­ne­ten Pa­ra­me­tern eines Mus­ter­er­ken­nungs­sys­tems",  Deut­sche Pa­tent­an­mel­dung 10119284A1, 2001.

[4] H. Schramm, “Trai­ning the pa­ra­me­ters of a speech re­co­gni­ti­on sys­tem for the re­co­gni­ti­on of pro­nun­cia­ti­on va­ria­ti­ons”, EP 1251489 A2, 2002.

[5] H. Schramm, "Sys­tem and me­thod for sales pro­mo­ti­on", Pub. No. WO/2002/103589, Pub. Date 27.12.2003.

[6] H. Schramm, "Por­ta­ble elec­tro­nic de­vice ha­ving means for re­gis­ter­ing its ar­ran­ge­ment in space", Pub. No. WO/2003/077087, Pub. Date 18.09.2003.

[7] H. Schramm, "Con­fi­gu­ra­ble con­t­rol of a mo­bi­le de­vice by means of mo­vement pat­terns", Pub. No. WO/2004/082248, Pub. Date 23.09.2004.

[8] H. Schramm, "Error de­tec­tion for speech to text tran­scrip­ti­on sys­tems”, Pub. No. WO/2005/045803, Pub. Date . 19.05.2005.

[9] H. Schramm, "Au­to­ma­tic 3-D ob­ject de­tec­tion", Pub. No. WO/2007/072391, Pub. Date 28.06.2007.

[10] J. von Berg, O. Eca­bert, C. Lo­renz, J. Pe­ters, H. Schramm, J Weese, „Pro­gres­si­ve model-based ad­ap­ta­ti­on”, EP2143072 A2, 2008.

[11] H. Schramm, G. Kie­fer, "Lo­cal­ly op­ti­mi­zed trans­fer func­tions for vo­lu­me vi­sua­li­za­ti­on", Pub. No. WO/2008/007334, Pub. Date 17.01.2008.

[12] G. Kie­fer, H. Leh­mann, D. Gel­ler, H. Schramm, J. Pe­ters, O. Eca­bert, J. Weese, "Ana­to­my-re­la­ted image-con­text-de­pen­dent ap­pli­ca­ti­ons for ef­fici­ent dia­gno­sis", Pub. No. WO/2008/018014, Pub. Date 14.02.2008.

[13] J. Pe­ters, O. Eca­bert, H. Schramm, J. Weese, „Fle­xi­ble Plug-And-Play Me­di­cal Image Seg­men­ta­ti­on“,WO Pa­tent 2.​009.​034.​499, 2009.

[14] H. Schramm, "Werk­stück zum Er­ler­nen der Hand­ha­bung von Werk­zeu­gen und Ver­fah­ren zu des­sen Her­stel­lung", Deut­sche Pa­tent­an­mel­dung 102008045188, 2009.

[15] H. Schramm, "Ver­fah­ren zum Er­stel­len eines Blocks, in des­sen In­ne­ren we­nigs­tens ein sich farb­lich ab­set­zen­des Ob­jekt ein­ge­bet­tet ist.", EP2404503B1, 2010.

[16] H. Schramm, H. Rup­perts­ho­fen, "Klas­si­fi­ka­ti­on mit­tels Dis­kri­mi­na­ti­ver Ge­ne­ra­li­sier­ter Hough Trans­for­ma­ti­on", Deut­sche Pa­tent­an­mel­dung 10 2011 014 171, 2011.

[17] J. Grö­ger, S. Badri-Höher, H. Schramm, L. Wolff, G. Böer, "Vor­rich­tung und Ver­fah­ren zur Da­ten­ana­ly­se", Deut­sche Pa­tent­an­mel­dung 102018217163A1, 2018.

Die von Prof. Schramm im Jahre 2009 ge­grün­de­te Ar­beits­grup­pe In­tel­li­gen­te In­for­ma­ti­ons­sys­te­me am In­sti­tut für An­ge­wand­te In­for­ma­tik hat lang­jäh­ri­ge Er­fah­rung in der Durch­füh­rung von Dritt­mit­tel­pro­jek­ten im Be­reich der Grund­la­gen­for­schung und an­wen­dungs­ori­en­tier­ten For­schung zur Ana­ly­se und Fu­si­on von Sprach-, Bild-, Video- und ver­schie­de­nen wei­te­ren Sen­sor­da­ten. Sie hat im Rah­men von bis­her 12 For­schungs­pro­jek­ten aus den Be­rei­chen Me­di­zin­tech­nik, Mee­res­bio­lo­gie, Vi­deo­über­wa­chung und Au­to­no­mer Schiff­fahrt über 9 Mil­lio­nen Euro Dritt­mit­tel ein­ge­wor­ben und eine um­fang­rei­che In­fra­struk­tur für KI-An­wen­dun­gen auf­ge­baut. Die Grup­pe ver­fügt über eine ver­tief­te Ex­per­ti­se (1) zur Kom­bi­na­ti­on klas­si­scher Bild­ana­ly­se­ver­fah­ren mit tie­fen neu­ro­na­len Netz­wer­ken, (2) zum Um­gang mit Self-At­ten­ti­on Me­cha­nis­men und ge­ne­ra­ti­ven Netz­wer­ken, (3) zu Fal­tungs­netz­wer­ken zur Ob­jekt­er­ken­nung und se­man­ti­schen Seg­men­tie­rung sowie (4) zur Er­he­bung, An­no­ta­ti­on und Aus­wer­tung gro­ßer Da­ten­men­gen.

Dok­to­ran­din­nen und Dok­to­ran­den sowie Mit­ar­bei­ten­de der Ar­beits­grup­pe In­tel­li­gen­te In­for­ma­ti­ons­sys­te­me:

Ehe­ma­li­ge: Dr. Heike Rup­perts­ho­fen, Dr. Fer­di­nand Hah­mann, Dr. Eric Ga­bri­el, Dr. Oli­ver Mader 
Ak­tu­el­le Mit­ar­bei­ter: Gor­don Böer, David Kohn, Bjar­ne Kühl, Olek­san­dr So­ko­lov

Ehe­ma­li­ge For­schungs­pro­jek­te:

ALIAS, ge­för­dert durch In­no­va­ti­ons­stif­tung S.-H., Pro­jekt zur au­to­ma­ti­schen Lo­ka­li­sie­rung und Iden­ti­fi­ka­ti­on Ana­to­mi­scher Struk­tu­ren in drei­di­men­sio­na­len me­di­zi­ni­schen Bil­dern, 2009
MAMMO, Dritt­mit­tel-fi­nan­ziert durch Phil­ips Re­se­arch Eu­ro­pe, Pro­jekt zur au­to­ma­ti­schen Qua­li­täts­mes­sung von Mam­mo­gra­phi­en, 2011
PER­LON, ge­för­dert durch In­no­va­ti­ons­stif­tung S.-H., Pro­jekt zur Per­so­nen­über­wa­chung in Su­per­märk­ten, 2012
AU­TO­MAT, BMELV Ver­bund­pro­jekt (Thü­nen, McArth­ney) zum Bau eines sta­tio­nä­ren Fisch­ob­ser­va­to­ri­ums, 2013
RE­VI­AN, ge­för­dert durch BMWi, Pro­jekt zur Per­so­nen­an­ony­mi­sie­rung in Über­wa­chungs­vi­de­os, 2013
AAL, ge­för­dert durch Pro­mo­ti­ons­pro­gramm S.-H., Am­bi­ent As­sisted Li­ving Pro­jekt, 2015
ALKO-fit, ge­för­dert durch BMBF in Ko­ope­ra­ti­on mit Phil­ips Re­se­arch Eu­ro­pe, Pro­jekt zur Ob­jekt­lo­ka­li­sie­rung in me­di­zi­ni­schen Bild­da­ten, 2017
UFO­Tri­Net, BLE Ver­bund­pro­jekt (Thü­nen, Geo­mar, McArth­ney) zum Bau und Be­trieb eines tri­la­te­ra­len sta­tio­nä­ren und eines por­ta­blen Fisch­ob­ser­va­to­ri­ums, 2018
CAPTN För­de­Are­al, BMVI Ver­bund­pro­jekt (CAU, Ray­the­on An­schütz, Addix, WiZe), pra­xis­na­he Er­for­schung der (teil)au­to­no­men, emis­si­ons­frei­en Schiff­fahrt im di­gi­ta­len Test­feld, 2020
UFO­Tri­Net II, BLE Ver­bund­pro­jekt (Thü­nen, Geo­mar, McArth­ney) zum Bau und Be­trieb eines tri­la­te­ra­len sta­tio­nä­ren und eines por­ta­blen Fisch­ob­ser­va­to­ri­ums,  2021

Ak­tu­el­le For­schungs­pro­jek­te:

CAPTN För­de­Are­al II, BMDV Ver­bund­pro­jekt (CAU, An­schütz, Addix, WiZe), pra­xis­na­he Er­for­schung der (teil)au­to­no­men, emis­si­ons­frei­en Schiff­fahrt im di­gi­ta­len Test­feld, 2023
OKKA, BMDV Ver­bund­pro­jekt (CAU, Addix, An­schütz), Er­pro­bung in­no­va­ti­ver Au­to­ma­ti­sie­rungs­lö­sun­gen im di­gi­ta­len Test­feld an einer NOK-Ka­nal­fäh­re, 2025

Sprech­zei­ten kön­nen je­der­zeit kurz­fris­tig per E-Mail ver­ein­bart wer­den.