bama_ss

Bachelor-/Masterarbeiten

Eigene Vorschläge für Bachelor- und Masterarbeiten nehme ich sehr gerne in den folgenden Themenbereichen entgegen:

  • Deep Learning
  • Object Recognition
  • Convolutional Neural Networks
  • Generative Adversarial Networks
  • Category Learning
  • Incremental Learning

Visuelle Objekterkennung auf dem Raspberry Pi 3

Quelle: https://www.elektor.com/raspberry-pi-3-model-b
Quelle: https://www.elektor.com/raspberry-pi-3-model-b

Installation und Evaluation eines Deep Learning Frameworks

Derzeit zeigen viele Ansätze aus dem Bereich des „Deep Learnings“ hervorragende Ergebnisse im Gebiet des maschinellen Lernens und übertrumpfen damit klassische Ansätze der Audio- und Videosignalverarbeitung zur Mustererkennung. Zur Optimierung solcher Systeme sind neben ausreichend Trainingsdaten häufig sehr hohe Hardwareanforderungen notwendig. Nachdem solch ein System jedoch optimiert wurde, kann es auch auf einfacher Hardware verwendet werden. Dies soll in dieser Arbeit evaluiert werden. Ziel dieser Bachelorarbeit ist es die Deep Learning ToolBox Tensorflow auf einem Raspberry Pi zu installieren und damit vor-trainierte, künstliche neuronale Netze zur Objekterkennung zu nutzen. Der Objekterkenner soll hierbei mit einer externen Kamera verschiedene Objekte in der aktuellen Umgebung unterscheiden. Voraussetzungen für die Bearbeitung dieses Themas sind Grundkenntnisse im Umgang mit Linux-basierten Systemen und grundlegende Programmierkenntnisse (Python). Außerdem sollte ein grundsätzliches Interesse im Bereich des Deep Learnings vorhanden sein.

Generative Adversarial Network (GAN)

Implementierung und Evaluation eines GAN zur künstlichen Bildgenerierung

Aktuell finden sogenannte Generative Adversarial Networks (GAN) immer häufiger Anwendung im Bereich der Bildverarbeitung. GANs bestehen aus zwei Modellen, dem „Generative Model“ und dem „Discriminative Model“. Ziel des Generative Models ist es Rausch-Bilder so zu verändern, dass diese nicht mehr von realen Bildern zu unterscheiden sind. Die Bewertung ob das Bild realistisch erscheint übernimmt das Discriminative Model, welches sowohl reale Bilder als auch Fake Bilder des Generative Models zu Gesicht bekommt und diese unterscheiden muss. Ziel des Generative Models ist es das Discriminative Model durch des Erzeugen von realistischen Bildern zu „überlisten“. Neben der Erzeugung von Bildern finden Abwandlungen von GANs Anwendung im Bereich der Vorhersage von einzelnen Bildsequenzen, welche in der Automobilindustrie zur Prädiktion von Verkehrsteilnehmern genutzt werden kann. Ziel dieser Arbeit ist es solch ein Netz zu implementieren und zu evaluieren. Grundlegende Programmierkenntnisse (z.B. Python) sollten hierzu vorhanden sein.

zurück zur Übersicht der am Fachgebiet angebotenen Arbeiten