Objektdetektion mittels Deep Learning

Als Teil des Forschungsprojektes AUXILIA und diversen Industrieprojekten aus dem Bereich autonomen Fahren erforscht eine Arbeitsgruppe der Professur Digital- und Schaltungstechnik aktiv das Feld Objektdetektion mittels Deep Learning. Unsere Forschung fokusiert sich auf die Anwendung von Convolutional Neural Networks (CNNs) auf omnidirektionalen Bildern.

Abb 1: Detektionen in der Testwohnung

'

Abb 2: Detektionen in der Testwohnung

Die Abbildungen 1 und/oder 2 zeigen die Ergebnisse eines Objektdetektors in einer Laborwohnung der TU Chemnitz. Die Personen werden mittels eines CNN-basierten Objektdetektors in omnidirektionalen Bildern detektiert, die von an der Decke angebrachten Kameras stammen. Die starke Verzerrung und der außergewöhnliche Blickwinkel stellt eine hohe Herausforderung für den Detektor dar.

Aktuelle Forschungsschwerpunkte und offene Themen:

• Den Detektor auf weitere Objekte erweitern.
• Die Zuverlässigkeit und die Genauigkeit erhöhen.
• Die Performance auf eingebetteten Systemen verbessern.
• Andere technische Möglichkeiten als lineare CNNs finden, z.B. sphärische CNNs.
• Featurerepräsentation von CNNs auf omnidirektionalen Bildern erforschen.
• Objektdetektor auf synthetischen Datensätzen trainieren.