Deep Learning for Semantic Lane Segmentation on Heterogeneous Datasets

Bachelorarbeit, Masterarbeit

Themen-Schwerpunkt: Maschinelles Lernen, Mobilität, Sichere und intelligente Fahrzeuge
Studiengänge: Elektrotechnik, Informatik, Informationstechnik, Maschinenbau, Mathematik

Umfeld

Für das automatische Fahren sind hochgenaue Karten mittlerweile elementar. Was aber passiert, falls diese Karten nicht aktuell sind, weil bspw. eine Baustelle befahren wird, oder der Zugriff auf diese Karten ausfällt? Insbesondere für diese Notfallsituationen muss eine robuste Umgebungsrepräsentation kalkuliert werden, die die Fahrbahntopologie und Hindernisse korrekt darstellt. Mit Hilfe von Deep Learning wollen wir diese Umgebungsrepräsentation automatisiert erlernen und insbesondere Fahrstreifen im Bild segmentieren. Eine große Herausforderung bei Deep Learning ist die Größe von Datensätzen.

Aufgaben

Klingt interessant? Perfekt! Wir wollen ein neuartiges Konzept entwickeln, mit dem eine Vielzahl von Fahrstreifen-Datensätzen für das Training eines neuronalen Netzes verwendet werden kann. Da sich die Repräsentation und Semantik der Datensätze stark unterscheiden, ist es sehr spannend die Loss-Funktion entsprechend generisch zu gestalten. Teil der angebotenen Arbeit sind die folgenden Aufgaben:

  • Erweiterung eines bestehenden Frameworks mit Python und Tensorflow
  • Analyse von Datensätzen mit dem Fokus auf Fahrstreifensegmentierung
  • Umsetzung der Loss-Funktionen zur Anpassung an verschiedene Datensätze
  • Training eines Netzes auf den verschiedenen Datensätzen
  • Ggf. Teilnahme an Challenges (e.g. KITTI Road) zum Vergleich der Ansätze

Gerne beantworten wir dir unverbindlich Fragen zur Thematik, Referenzliteratur oder sonstigen Themen. Frag uns einfach unverbindlich oder bewirb dich direkt!

Wir bieten

  • Einen Einblick in das autonome Fahren
  • Ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft, Wirtschaft und Anwendern
  • Eine wirtschafts- und industrienahe Arbeitsumgebung
  • Eine angenehme Arbeitsatmosphäre in einem jungen und motivierten Team

Wir erwarten

  • Sehr gute Kenntnisse in Python
  • Erfahrung mit neuronalen Netzen und Tensorflow
  • Selbstständiges Denken und Arbeiten
  • Sehr gute Deutsch- oder Englischkenntnisse
  • Motivation und Engagement

Ihre Bewerbung

Melde dich bei Interesse oder Fragen einfach unverbindlich bei uns oder bewirb dich direkt mit einem aktuellen Notenauszug und Lebenslauf. Wir würden uns außerdem über ein Coding-Beispiel von dir freuen (bspw. hackerrank.com).

Weitere Informationen

Betreuendes Institut am KIT: Institut für Mess- und Regelungstechnik (MRT), Prof. Dr.-Ing. Christoph Stiller