Stage-oe-small.jpg

Thema4756: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
 
(Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt)
Zeile 1: Zeile 1:
 
{{Abschlussarbeit
 
{{Abschlussarbeit
|Titel= Anomaly Detection for Autonomous Driving
+
|Titel=Anomaly Detection for Autonomous Driving
 
|Abschlussarbeitstyp=Master
 
|Abschlussarbeitstyp=Master
 
|Betreuer=Daniel Bogdoll
 
|Betreuer=Daniel Bogdoll
 
|Partner=FZI Forschungszentrum Informatik;
 
|Partner=FZI Forschungszentrum Informatik;
 
|Forschungsgruppe=Angewandte Technisch-Kognitive Systeme
 
|Forschungsgruppe=Angewandte Technisch-Kognitive Systeme
|Abschlussarbeitsstatus=Offen
+
|Abschlussarbeitsstatus=Abgeschlossen
|Beginn=
+
|Beginn=2021/12/2
|Beschreibung DE= Das AIFB und FZI beschäftigen sich mit Fragestellungen rund um das Thema autonomes Fahren. Zur Skalierung von autonomen Fahrzeugen ist die Detektion von Anomalien, auch Corner Cases genannt, enorm wichtig. Dies kann zur Verbesserung der Modelle genutzt werden (aktives Lernen) oder zur Reaktion während der Laufzeit. Typische Sensoren hierfür liefern Kamera und Lidar-Daten. Wir untersuchen Methoden, die diese Sensortypen kombinieren und in relevanten Arealen Anomalien erkennen.
+
|Beschreibung DE=Das AIFB und FZI beschäftigen sich mit Fragestellungen rund um das Thema autonomes Fahren. Zur Skalierung von autonomen Fahrzeugen ist die Detektion von Anomalien, auch Corner Cases genannt, enorm wichtig. Dies kann zur Verbesserung der Modelle genutzt werden (aktives Lernen) oder zur Reaktion während der Laufzeit. Typische Sensoren hierfür liefern Kamera und Lidar-Daten. Wir untersuchen Methoden, die diese Sensortypen kombinieren und in relevanten Arealen Anomalien erkennen.
 
Dafür benötigen wir Unterstützung in zahlreichen Bereichen, wobei man sich seinen Stärken und Interessen entsprechend einbringen kann. Mögliche Themen sind Semantic Segmentation, Deep Generative Models, Scene Synthesis, Pseudo-Lidar oder State-of-the-art Benchmarking mit KITTI, WAYMO, CARLA etc. Bewirb dich gerne auch bei Interesse an einer Hiwi-Stelle, BA o.ä. :)
 
Dafür benötigen wir Unterstützung in zahlreichen Bereichen, wobei man sich seinen Stärken und Interessen entsprechend einbringen kann. Mögliche Themen sind Semantic Segmentation, Deep Generative Models, Scene Synthesis, Pseudo-Lidar oder State-of-the-art Benchmarking mit KITTI, WAYMO, CARLA etc. Bewirb dich gerne auch bei Interesse an einer Hiwi-Stelle, BA o.ä. :)
  
Zeile 35: Zeile 35:
  
 
'''KONTAKT'''
 
'''KONTAKT'''
[Daniel Bogdoll](mailto:bogdoll@fzi.de)
+
 
|Beschreibung EN= The AIFB and FZI deal with all kinds of issues related to autonomous driving. For the scaling of autonomous vehicles, the detection of anomalies, also called corner cases, is enormously important. This can be used to improve models (active learning) or to react live. We are investigating methods that combine camera and lidar sensor data and detect anomalies in relevant areas.
+
[https://www.fzi.de/wir-ueber-uns/organisation/mitarbeiter/address/daniel-bogdoll/ Daniel Bogdoll]
 +
|Beschreibung EN=The AIFB and FZI deal with all kinds of issues related to autonomous driving. For the scaling of autonomous vehicles, the detection of anomalies, also called corner cases, is enormously important. This can be used to improve models (active learning) or to react live. We are investigating methods that combine camera and lidar sensor data and detect anomalies in relevant areas.
 
For this, we need support in numerous areas, where you can contribute according to your strengths and interests. Possible topics are Semantic Segmentation, Deep Generative Models, Scene Synthesis, Pseudo-Lidar or State-of-the-art Benchmarking with KITTI, WAYMO, CARLA etc. Please also apply if you are interested interested in a hiwi position, BA etc.
 
For this, we need support in numerous areas, where you can contribute according to your strengths and interests. Possible topics are Semantic Segmentation, Deep Generative Models, Scene Synthesis, Pseudo-Lidar or State-of-the-art Benchmarking with KITTI, WAYMO, CARLA etc. Please also apply if you are interested interested in a hiwi position, BA etc.
  
Zeile 64: Zeile 65:
  
 
'''CONTACT'''
 
'''CONTACT'''
[Daniel Bogdoll](mailto:bogdoll@fzi.de)
+
 
 +
[https://www.fzi.de/wir-ueber-uns/organisation/mitarbeiter/address/daniel-bogdoll/ Daniel Bogdoll]
 
}}
 
}}

Aktuelle Version vom 2. Dezember 2021, 08:48 Uhr



Anomaly Detection for Autonomous Driving





Informationen zur Arbeit

Abschlussarbeitstyp: Master
Betreuer: Daniel Bogdoll
Forschungsgruppe: Angewandte Technisch-Kognitive Systeme
Partner: FZI Forschungszentrum Informatik
Archivierungsnummer: 4756
Abschlussarbeitsstatus: Abgeschlossen
Beginn: 02. Dezember 2021
Abgabe: unbekannt

Weitere Informationen

Das AIFB und FZI beschäftigen sich mit Fragestellungen rund um das Thema autonomes Fahren. Zur Skalierung von autonomen Fahrzeugen ist die Detektion von Anomalien, auch Corner Cases genannt, enorm wichtig. Dies kann zur Verbesserung der Modelle genutzt werden (aktives Lernen) oder zur Reaktion während der Laufzeit. Typische Sensoren hierfür liefern Kamera und Lidar-Daten. Wir untersuchen Methoden, die diese Sensortypen kombinieren und in relevanten Arealen Anomalien erkennen. Dafür benötigen wir Unterstützung in zahlreichen Bereichen, wobei man sich seinen Stärken und Interessen entsprechend einbringen kann. Mögliche Themen sind Semantic Segmentation, Deep Generative Models, Scene Synthesis, Pseudo-Lidar oder State-of-the-art Benchmarking mit KITTI, WAYMO, CARLA etc. Bewirb dich gerne auch bei Interesse an einer Hiwi-Stelle, BA o.ä. :)

AUFGABEN

  • Literaturrecherche, Analyse und Bewertung des Stands der Technik
  • Implementierung und Evaluation von ausgewählten Algorithmen in Python

WIR BIETEN

  • Ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft und Wirtschaft
  • Fordernde Aufgabenstellungen in einem spannenden und hochaktuellen Themengebiet
  • Regelmäßige Meetups mit den Studierenden in meinem Team
  • Bei herausragender Arbeit Einreichung eines Papers zur Publikation bei einer Konferenz
  • Freie, eigenständige Arbeitsweise mit kurzen, strukturierten Weekly Meetings für regelmäßiges Feedback

WIR ERWARTEN

  • Gute Python-Programmierkenntnisse (unter Linux mit Git)
  • Theoretische Kenntnisse im Bereich Machine Learning / Deep Learning
  • Praktische Erfahrung mit Tensorflow oder PyTorch
  • Selbständiges Denken und Arbeiten, Motivation und Engagement
  • Fließend in Englisch oder Deutsch
  • Bonuspunkte gibt es für Erfahrungen mit (un)supervised Methoden, ROS, CARLA, ClearML und LaTeX

ERFORDERLICHE UNTERLAGEN

  • Zwei Sätze über deine Motivation (in der E-Mail)
  • Aktueller Notenauszug (und falls vorhanden, Bachelorzeugnis)
  • Tabellarischer Lebenslauf

KONTAKT

Daniel Bogdoll