Home | deutsch  | Legals | Data Protection | Sitemap | KIT

Contact Information
Karlsruhe Institute of Technology
Vision and Fusion Laboratory (IES)

Prof. Dr.- Ing. Jürgen Beyerer
c/o Technologiefabrik
Haid-und-Neu-Str. 7
76131 Karlsruhe

Tel:  +49 721 - 608 45910
Fax: +49 721 - 608 45926

Welcome to Vision and Fusion Laboratory (IES)

 

Prof. Dr.-Ing. J. Beyerer

 

Latest

Klausur Pattern Recognition

The next written exam (Klausur) in Pattern Recognition (Mustererkennung) will take place on 5th August 2019.

  • Beginning of online registration period: 15th May 2019
  • End of online registration period: 19th July 2019
  • Beginning of signing out: 15th May 2019
  • End of signing out: 26th July 2019

Klausur Automated Visual Inspection and Image Processing

Concerning the lecture Automated Visual Inspection and Image Processing until 30th September 2019 it will still be possible to do an oral exam.
Mrs. Gross can inform you about possible exam days.
From WS 19/20 onwards there will be a written exam (Klausur) in ASB.
The first “Klausur” will take place around February 2020. The exact date will be announced on time.

Lectures offered at the Chair can be found here.

Further information on Students' Theses can be found here.

 
 
Pedestrian Attribute Recognition
Typ:

Masterarbeit, Hiwi-Stelle

Betreuer:

M.Sc. Andreas Specker

Status:

zu vergeben

Möglicher Beginn:

ab sofort

Pedestrian Attribute Recognition

Die Erkennung von Personenattributen hat in den vergangenen Jahren vor allem durch den vermehrten Einsatz von Videoüberwachungskameras zunehmend an Bedeutung gewonnen. Die sogenannte „Pedestrian Attribute Recognition“ versucht, basierend auf Eingabebildern solcher Kameras, Personen automatisiert passende Attribute zuzuweisen. Relevante Attribute sind dabei zum Beispiel das Geschlecht, das Alter oder Informationen zur Kleidung der dargestellten Person. Ein Anwendungsfall ist beispielsweise der Abgleich der erkannten Attribute mit einer Zeugenbeschreibung, um eine Person in Überwachungsvideos identifizieren zu können.

Aufgabenstellung

Aufbauend auf einer Analyse des aktuellen State-of-the-Arts besteht die Aufgabe darin unterschiedliche Designmöglichkeiten von Deep Learning-Ansätzen zu vergleichen und Best Practices zu identifizieren. Im zweiten Schritt soll dann ein eigenes Verfahren entwickelt werden, das z.B. durch das zusätzliche Nutzen von Poseninformationen die Genauigkeit der Attributerkennung weiter erhöht.

Voraussetzungen

  • Studienfach: Informatik, Mathematik, Elektrotechnik, Angewandte Physik oder vergleichbar Gute Programmierkenntnisse (idealerweise Python)
  • Fähigkeit zum selbstständigen Arbeiten Bereitschaft, sich in neue Themengebiete einzuarbeiten und Freude am Einbringen eigener Ideen
  • Gutes Verständnis der Grundlagen von Deep Learning
  • Erste praktische Erfahrungen mit CNNs wünschenswert
  • Bewerbungen bitte mit Lebenslauf und Notenauszug

Kontakt

Andreas Specker, M. Sc.
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung
Fraunhoferstraße 1, 76131 Karlsruhe
Tel.: 0721 / 6091-629
andreas.specker@iosb.fraunhofer.de