Task-agnostic Deep Learning zur Paket-Segmentierung

Bachelor thesis, Master thesis

Research focus: Automation and Robotics, Industrial Automation, Logistics and Supply Chain Optimization, Machine Learning, Production and Logistics
Courses of study: Informatics, Information Management, Mechanical Engineering, Related Disciplines, Business Informatics, Industrial Engineering and Management, Business Mathematics

Job Description

Zur Lösung von komplexen Problemstellungen im Logistikkontext sind Technologien rund um Computer Vision und Machine Learning sehr vielversprechend. Meist fehlt für die Anwendung solcher Methoden jedoch ein qualitativ hochwertiger, ausreichend großer Datensatz. Der Fokus dieser Arbeit liegt darauf "task-agnostic" - also aufgabenunabhängige - Verfahren des maschinellen Lernens zu verwenden, um der Notwendigkeit zeit- und kostenintensiver Datenakquise zu entgehen. Konkret sollen Verfahren die Ebenen-Segmentierung mit Konturdetektion verbinden verbessert und erweitert werden.

Your Responsibilities

  • Literaturrecherche im Bereich bildbasierte Wahrnehmung in der Logistik
  • Einarbeitung in den vorhandenen Python Code
  • Verbesserung der Detektionspipeline, bspw. durch Einbezug der Seitenflächen-Relationen
  • Evaluation der Methoden auf Real-Daten inklusive Feasibility Study für die Anwendung
  • Weitere eigene Impulse und Ideen bei Bearbeitung als Masterarbeit

Our Offer

  • eine angenehme Arbeitsatmosphäre und konstruktive Zusammenarbeit
  • einen Einstieg in das spannende Fachgebiet Computer Vision
  • die Möglichkeit zur Veröffentlichung der Ergebnisse

Your Profile

  • hohe Eigenmotivation und das Einbringen eigener Ideen
  • Lernbereitschaft, selbstständiges Arbeiten und Teamfähigkeit
  • gute Programmierkenntnisse in Python
  • theoretisches Grundlagenwissen im Bereich Machine Learning, insbesondere CNNs
  • erste praktische Erfahrungen mit OpenCV von Vorteil
  • sehr gute Deutsch- oder Englischkenntnisse

Application

Wir freuen uns auf Deine PDF-Bewerbung (als ein Dokument) an Alexander Naumann, anaumann@dont-want-spam.fzi.de, mit folgenden Unterlagen:

  • kurzes, informelles Motivationsschreiben mit gewünschtem Starttermin
  • tabellarischer Lebenslauf
  • aktueller Notenauszug
  • ggfs. weitere relevante Zeugnisse (Praktika, HiWi-Tätigkeiten, etc.)

Job Description

  • Start: ab sofort
  • Betreuendes Institut am KIT: Institut für Fördertechnik und Logistiksysteme (IFL) | Prof. Dr. Furmans