Computer Vision

Im Rahmen des Kurses „Künstliche Intelligenz 1“ arbeitete ich mit Arne Matthes und Timo Wiesner an mehreren Computer-Vision-Aufgaben. Ausgangspunkt waren klassische Suchverfahren, die schrittweise durch Machine-Learning-Ansätze erweitert wurden.

Wir trainierten Modelle von Random Forests und Support Vector Machines bis hin zu tiefen neuronalen Netzen auf Bilddaten unseres Instituts. Ziel war ein virtueller Roboter, der sich in Institutsräumen lokalisieren und Pfade planen kann.

Das beste Modell erreichte eine Orientierungsgenauigkeit von 96 Prozent und konnte visuell relevante Bildmerkmale hervorheben, die für die Entscheidung ausschlaggebend waren.

Technologien: PyTorch, Machine Learning, Random Forests, SVM, Data Transformation