Direkt zum Inhalt springen
login.png Login join.png Register    |
de | en
MyTUM-Portal
Technical University of Munich

Technical University of Munich

Sitemap > Bulletin Board > Diplomarbeiten, Bachelor- und Masterarbeiten > MA - Synthetische Datengenerierung für den Einsatz in KI-basierten Identifikationssysteme
up   Back to  News Board    previous   Browse in News  next    

MA - Synthetische Datengenerierung für den Einsatz in KI-basierten Identifikationssysteme

02.08.2022, Diplomarbeiten, Bachelor- und Masterarbeiten

Im Rahmen der Entwicklung neuer, kamerabasierter Identifikationsmethoden für die Logistik soll in der Masterarbeit untersucht werden, in wie weit sich die Erzeugung von synthetischen Datensätzen mittels Render-Engines, wie Blender eignen, um damit auf Logisitk spezialisierte Neuronale Netze zu trainieren. Insbesondere die Diskrepanz zwischen realen und synthetischen Bildern sowie die Auswirkung auf die Qualität der Neuronalen Netzen steht hier im Vordergrund (Synth2Real-Gap).


Ausgangssituation:

Für die Transformation der Logistik hin zu Industrie 4.0, müssen sämtliche Materialflüsse digital abgebildet werden. Um dies zu bewerkstelligen, gibt es verschiedenste Automatische Identifikationssysteme (Auto-ID). Aktuelle Systeme, wie Barcodes oder RFID besitzen die Probleme, dass diese als künstliche Merkmale an die Güter angebracht werden müssen und zusätzliche Prozessschritte erfordern. Um diese Probleme zu lösen, arbeiten wir am fml an komplett neuen Methoden zur Identifikation von Gütern Materialflüssen auf Basis von Kamerasystemen und KI. Ziel ist es, die Identifikation nur mit den natürlichen Merkmalen der Güter an sich zu ermöglichen. Da der Einsatz von KI viele Daten voraussetzt und die Erzeugung sehr zeit- und kostenintensiv ist, entwickeln wir neue Methoden, um diese Datensätze synthetisch auf Basis von Render-Engines, wie Blender und Unity, zu produzieren und den Aufwand bei der Datenerzeugung massiv zu reduzieren.

Tätigkeitsbereich:

Während der Masterarbeit wird es deine Aufgabe sein, die Möglichkeiten der synthetischen Datengenerierung zu untersuchen und zu implementieren. Insbesondere die Frage, wie sich die Daten möglichst realitätsnah erzeugen lassen, ist ein Aspekt, den auch die aktuelle Wissenschaft schwer beschäftigt. Hierbei entsteht immer ein Wechselspiel zwischen der Render-Engine, die die Bilder erzeugt und dem Neuronalen Netz, das mit den Bildern trainiert wird. Diese Beeinflussung ist neben dem ersten Punkt der zweite Aspekt, der untersucht werden soll. Evaluiert wird das ganze dann auf Basis von echten Leergutbehältern, die wir am Lehrstuhl bereitstellen.

Was kannst Du während der Arbeit lernen?

Im Rahmen der Arbeit kannst Du ein breites Spektrum an Fachwissen im Einsatzbereich des Maschinellen Lernens sammeln. Von dem aktuell sehr zukunftsträchtigen Thema der synthetischen Datenerzeugung, über das Training und Optimierungsmethoden von Neuronalen Netzen bis hin zur Aufarbeitung der Ergebnisse. Perfekte Grundlagen, wenn Du einen Berufseinstieg in diesem Bereich planst, da du danach bei jedem Fachbereich mitreden kannst.

Voraussetzungen:

Analytisches Denken
Selbstständiges Arbeiten
Spaß an Tüfteleien und Ausprobieren von verschiedenen Lösungen
Vorkenntnisse in
Deep Learning Frameworks (Pytorch)
Python
Render-Engines (Blender, Unity)

Bei Interesse sende gerne eine unverbindliche Bewerbung mit Lebenslauf, Leistungsnachweis und kurzer Berschreibung zu Ihrer Person (Motivation, Vorkenntnisse, Startzeitpunkt...) per E-Mail an:

dimitrij-marian.holm@tum.de
</p>

Kontakt: dimitrij-marian.holm@tum.de

Todays events

no events today.

Calendar of events