SynTra – Synthetisch generierte Trainingsdaten für neuronale Netze

Design-/Forschungsprojekt Master
Joschua Ganter (MIM), Simon Löffler (MIM), Ron Metzger (MIM), Katharina Ußling (MIM)
Betreuung: Prof. Christoph Müller

 

SynTra (I26304-1)

Für die semantische Bildsegmentierung werden in vielen Anwendungsgebieten künstliche neuronale Netze (KNN) eingesetzt. Um diese Netze für den entsprechenden Kontext zu trainieren, wird eine große Anzahl von Trainingsdaten benötigt. Diese werden meist in sehr aufwändigen Prozessen von Hand klassifiziert und mit klassischer Bildbearbeitung augmentiert (Vermehrung der Trainingsdaten durch bspw . Spiegelung oder Rotation der Bilder). Somit ist die Herstellung der Trainingsdaten sehr kosten- und zeitintensiv.

In diesem kooperativen Forschungsprojekt mit dem Fraunhofer-Institut für physikalische Messtechnik IPM wird der Anwendungsfall einer Zugfahrt betrachtet. Hierbei wird untersucht, ob es mithilfe einer selbst erstellten 3D-Umgebung möglich ist, Trainingsdaten synthetisch zu erzeugen. In der Forschungsfrage wird außerdem näher betrachtet, welche Auswirkungen eine inhaltliche Augmentation synthetischer Bilddaten auf das Training eines KNNs für semantische Segmentierung im Vergleich zur klassischen Bildaugmentation hat.

Mehr Infos finden Sie unter: Externer Link wird in neuem Fenster geöffnet:projekt-syntra.de

SynTra (I25690-1)
SynTra (I25690-2)
SynTra (I25690-3)
SynTra (I25690-4)