Mittwoch, 01. März 2023

Deep Learning getriebene Domänenadaption von Punktwolken

Thema und Ziel der Arbeit

Das Training von neuronalen Netzwerken zur Objektdetektion erfordert eine große Menge an Daten, deren manuelle Annotation hohen Zeitaufwand erfordert. Eine Alternative stellt die Nutzung von Simulationsdaten dar, diese schaffen es jedoch nur selten reale Bedingungen ausreichung abzubilden. In dieser Arbeit soll daher Ansätze bestehend auf einem Generative Adversarial Network (GAN) untersucht werden, um die Realitätstreue von automatisch generierten Simulationsdaten zu verbessern.

Arbeitspunkte

• Literaturrecherche zur Nutzung von GANs zur Domänenadaption von Punktwolken
• Erweiterung und Optimierung einer bestehenden Netzwerkarchitektur
• Training des GAN mit Hilfe eines bestehenden Frameworks
• Evaluation der umgesetzten Methoden

Anforderungen

• Gute Deutsch- und Englischkenntnisse in Wort und Schrift
• Erfahrung mit Python
• Erfahrung mit Machine Learning von Vorteil (kein Muss)
• Zuverlässigkeit, Engagement und Spaß am selbstständigen Arbeiten

Hinweis: Bitte kurzen Lebenslauf und eine Notenübersicht anhängen.