Home | english  | Impressum | Datenschutz | Sitemap | KIT

Kontakt
Karlsruher Institut für Technologie
Lehrstuhl für Interaktive Echtzeitsysteme

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

Tel:  +49 721 - 608 45910

Willkommen am Lehrstuhl für Interaktive Echtzeitsysteme

IES

Prof. Dr.-Ing. J. Beyerer

Aktuell

 

Klausur Automatische Sichtprüfung und Bildverarbeitung

Eine Klausureinsicht kann aufgrund des Coronavirus aktuell nicht stattfinden.

Klausur Mensch-Maschine-Wechselwirkung

Achtung: Die zunächst auf den 16. April 2020 verlegte Prüfung kann wegen der vorläufigen Aussetzung des Studienbetriebs am KIT an dem genannten Termin leider nicht stattfinden. Ein Ersatztermin kann in der momentan unsicheren Lage noch nicht verlässlich geplant werden. Falls Sie sich bereits zur Prüfung angemeldet haben, werden Sie per E-Mail informiert werden, sobald ein Ersatztermin in Aussicht steht. Sollten Sie sich noch nicht angemeldet, aber Interesse an der Prüfung haben, schreiben Sie bitte ein E-Mail an mmwab@iosb.fraunhofer.de. Der bisherige Nachholtermin 29. Juli bleibt bis auf Weiteres bestehen.

  • Schriftlich: Prüfungsdauer 60 Minuten, Gesamtdauer 90 Minuten
  • Ort: Gaede-Hoersaal
  • Termine:
    • 16. April 2020, 11 Uhr entfällt; Ersatztermin wird bekanntgegeben, sobald er geplant werden kann 
    • 29. Juli 2020, 11 Uhr (Nachholtermin, Anmeldung über Campus-Management bis 22. Juli)

Probabilistiche Planung

Bitte beachten Sie, dass die Vorlesung Probabilistische Planung nicht länger angeboten wird. Die Unterlagen zur letzten Vorlesungsreihe finden sie hier.

Neue Adresse

Der Lehrstuhl ist an einen neuen Standort in der Technologiefabrik umgezogen.

Lehrbuch zur Mustererkennung

Am 11. Dezember 2017 erschien das Lehrbuch "Beyerer, Richter, Nagel: Pattern Recognition: Introduction, Features, Classifiers and Principles". Weitere Information finden Sie auf der Seite des De Gruyter Verlags.

Vorlesungsangebot
Das Vorlesungsangebot des Lehrstuhls finden Sie hier.

Lehrbuch zur Automatischen Sichtprüfung
Am 30. September 2012 erschien das Lehrbuch "Beyerer, Puente León, Frese: Automatische Sichtprüfung, Grundlagen, Methoden und Praxis der Bildgewinnung und Bildauswertung". Weitere Information finden Sie auf der Lehrbuch-Seite oder auf der Seite vom Springer-Verlag.

Karlsruher Zentrum für Materialsignaturen
Der Lehrstuhl für Interaktive Echtzeitsysteme hat sich mit anderen Instituten des KIT und dem Fraunhofer IOSB zum Karlsruher Zentrum für Materialsignaturen KCM zusammengeschlossen. Weitere Informationen finden Sie auf der Seite des KCM.

Bachelor-, Master-, Studien- und Diplomarbeiten zu vergeben: Weitere Informationen finden Sie hier.

 
 
Nutzung von Vorwissen für die Deep Learning-basierte Erkennung von Personenattributen
Typ:

Bachelorarbeit, Masterarbeit, Hiwi-Stelle

Betreuer:

M.Sc. Andreas Specker

Status:

zu vergeben

Möglicher Beginn:

ab sofort

Nutzung von Vorwissen für die Deep Learning-basierte Erkennung von Personenattributen

Die sogenannte „Pedestrian Attribute Recognition“ versucht, basierend auf Eingabebildern von 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 semantischen Beschreibung, um eine Person in großen Videodatenmengen finden zu können.

Aufgabenstellung

Obwohl Vorwissen über Attribute und deren Korrelationen, wie z. B. dass Kleid und Frau zusammen auftreten, vorhanden ist, werden solche Informationen nur selten explizit von Deep Learning-Verfahren genutzt. Aus diesem Grund sollen, aufbauend auf einer Analyse des aktuellen State-of-the-Arts, unterschiedliche Möglichkeiten zur Nutzung von Vorwissen (z. B. [2]) evaluiert werden. Im zweiten Schritt soll dann ein eigenes Verfahren entwickelt werden, das identifizierte Verbesserungpotenziale ausnutzt und die Genauigkeit der Attributerkennung 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 Notenspiegel

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