Beschreibung
Methoden des Maschinellen Lernens in der Bildanalyse helfen unter anderem in der Medizin bei der Erkennung von Tumoren in CT-Bildern oder in der Qualitätssicherung beim Erkennen von Oberflächenschäden – mittlerweile bereits mit einer Genauigkeit, die über der menschlicher Experten liegt. Auch Fahrzeugassistenzsysteme nutzen ML-Ansätze zum robusten Erkennen von Verkehrsschildern, Personen oder Straßensituationen.
Im ersten Vortrag sollen zunächst wichtige Anwendungsbeispiele des Maschinellen Lernens in der Bildanalyse vorgestellt, eine historische Einordnung vorgenommen und die wesentlichen Lernparadigmen eingeführt werden. Danach sollen anhand des eigenen BMBF-Projektes "ASINVOS" konkrete Deep-Learning Konzepte für ein assistierendes und interaktiv lernfähiges Videoinspektionssystem für Oberflächenstrukturen am Beispiel von Straßenbelägen vorgestellt werden.
Im zweiten Vortrag wird ein Konzept zur Realisierung von hochautomatisierten Fahr-funk-tionen im hohen Geschwindigkeitsbereich (z.B. für ACC, Spurhalte- und Spurwechselassistent) wie auch im geringen Geschwindigkeitsbereich (z.B. Parkassistent) vorgestellt. Ziel ist es hierbei, ein Verständnis für die modulare Systemarchitektur zu vermitteln. Über dies hinaus wird die grundlegende Funktionalität der Hauptfunktions-bausteine des Automatisierungssystems gegeben. So werden neben den technischen Grundlagen auch vielfältige praktische Erfahrungen aus dem Tagesgeschäft von IAV vermittelt.
Programm
Ab 16.40 Uhr Gelegenheit zu einer Tasse Kaffee
17.00 Uhr Begrüßung – Prof. Dr.-Ing. Günter Schäfer
17.05 – 17.45 Uhr Vortrag Prof. Dr.-Ing. Horst-Michael Groß
17.45 – 18.25 Uhr Vortrag Dr.-Ing. Frank Schrödel
18.30 Uhr Austausch bei einem Mini-Imbiss