Masterarbeiten
Masterarbeiten
- Themenbeschreibung: Im Rahmen des sogenannten "BATS"-Projektes konstruiert der LIKE ein Sensornetzwerk zur Überwachung von Fledermäusen. Miniaturisierte Transmitterknoten auf dem Rücken der Fledermäuse übermitteln dafür Sensordaten (Luftdruck etc.). Speziell für die Fledermaussignale entworfene Basisstationen zeichnen das Sendespektrum für eine Nachverarbeitung auf. Für eine effiziente Zwischenspeicherung der Daten über eine definierte Zeitspanne soll hierfür ein Datenbanksystem entwickelt werden. Dieses soll eine einfache Verwaltung der Datenströme von den einzelnen Empfangsantennen der Basisstationen ermöglichen. Ein Software-Modul zur Detektion der Fledermaussignal im Datenstrom soll darüber hinaus einen einfachen Zugriff auf die Signale für eine Nachverarbeitung erlauben, durch das gezielte Extrahieren der entsprechenden Daten aus dem empfangenen Datenstrom. Dabei kann die Periodizität der Fledermaussignale ausgenutzt werden, um nach einer anfänglichen Detektion die Datensegmente schnell aufzufinden. Für die Implementierung existiert ein selbstentwickeltes Softwareframework in C++. Für den Test der entwickelten Software stehen echte Fledermaussignale aus einem früheren Feldtest bereit.
- Themengebiete: Datenmanagement, Telemetrie
- Voraussetzungen:
- Betreuer: Michael Schadhauser
- Hochschullehrer: Prof. Dr. Albert Heuberger
- PDF: Aushang
- Themenbeschreibung: Industrie 4.0, autonomes Fahren, Öffentlicher Nah- und Fernverkehr viele Anwendungsfelder profitieren von robusten Implementierungen künstlicher Intelligenz. Das Erkennen von Objekten im Bild bildet dabei eine der zentralen Aufgaben, eine Wissensbasis über die Umwelt aufzubauen und so eine Karte der Umgebung zu generieren. Es gibt bereits eine Vielzahl an Algorithmen, um Objekte in Bildern zu detektieren und zu klassifizieren, z.B. Neuronale Netze. Eines dieser Netze ist YOLOv3.
In dieser Arbeit soll ein neuronales Netz auf Basis von YOLO (You Only Look Once, [Redmon, J. et al. (2018)]) auf Optimierungsmöglichkeiten hin untersucht werden. Diese sollen zunächst identifiziert werden. Die Optimierungsmöglichkeiten werden evaluiert und Verbesserungen in der Architektur des Neuronalen Netzes vorschlagen. Das Ziel der Arbeit ist es zu verstehen, wie das Neuronale Netz arbeitet und wie es seine Entscheidungen trifft.
Um zu gewährleisten, dass sich die Arbeit auf den Kern des Themas konzentrieren kann, werden einige Vorkenntnisse empfohlen.
Empfohlene Voraussetzungen:
Kenntnisse in Statistik und Wahrscheinlichkeitsrechnung
Erfahrung im Programmieren, vorzugsweise Python oder
Kenntnisse in der BildverarbeitungDie Tätigkeitsfelder in dieser Abschlussarbeit gliedern sich in Recherche, Evaluation und Auswertung.
Aufgaben:
Literaturrecherche zu (Convolutional) Neuronalen Netzen
Evaluation der Detektionsrate bei verschiedenen Szenarien
Verstehen von Parametern und deren Auswirkungen
Analyse und Vergleich mit unterschiedlichen Daten (Demo)
Auswertung der Ergebnisse
- Literaturrecherche zu (Convolutional) Neuronalen Netzen
- Evaluation der Detektionsrate bei verschiedenen Szenarien
- Verstehen von Parametern und deren Auswirkungen
- Analyse und Vergleich mit unterschiedlichen Daten (Demo)
- Auswertung der Ergebnisse