In diesem Projekt wird ein Deep Neural Network implementiert und trainiert. Das Modell soll aus einem Bilddatenstrom Objekte mehrerer Klassen erkennen, z.B. Stoppschild, Personen, Hindernisse, Vorfahrtsschild. Im ersten Schritt wird der Stand der Technik zum Thema Objekterkennung ermittelt. Daraus sollen mehrere mögliche Deep Neural Networks abgeleitet werden. Das Deep Neural Network wird mit Python und Keras realisiert. Auch bereits vortrainierte Netze werden inspiziert und gegebenenfalls weiter trainiert und angepasst. Das Training erfolgt über eine GPU auf dem JARVIS-Server. Dazu muss ein geeignetes, öffentlich zugängliches Datenset verwendet werden. Es soll untersucht werden, wie ein solches Deep Neural Network für den Einsatz auf Embedded Systems optimiert werden kann, um mit der begrenzten Rechenleistung und mit wenig Memory auszukommen. Der Inference-Schritt soll also auf einem Embedded System erfolgen.
Projektarbeit
WS2019/2020
Medieninformatik (Bachelor, 7 Semester)
Team |
Ute Orner |
Betreuer |
Daniel Grießhaber, Johannes Maucher, Johannes Theodoridis |