Erstellung eines synthetischen Datensatzes für ein CNN-basiertes Parkdeck-Training
Beschreibung
Die Nutzung synthetischer Datensätze in der Computer Vision gewinnt zunehmend an Bedeutung, insbesondere für das Training von neuronalen Netzen. In dieser Arbeit soll ein digitales 3D-Modell eines Parkdecks in Blender erstellt werden, um eine realistische Simulation verschiedener Wetterbedingungen und Umweltfaktoren zu ermöglichen. Der generierte Datensatz dient als Grundlage für das Training eines Convolutional Neural Networks (CNN), das anschließend auf realen Bildern des Parkdecks getestet und evaluiert wird.
Auch als: MT, BT möglich
Forschungsfragen
- Wie realitätsnah lassen sich synthetische Datensätze mit Blender generieren?
- Inwieweit können neuronale Netze mit synthetischen Daten auf reale Szenarien übertragen werden?
- Welche Umwelteinflüsse wirken sich besonders auf die Erkennung von Objekten im Parkdeck aus?
Ziele der Arbeit
Das Ziel der Arbeit ist die Erstellung eines synthetischen Datensatzes, der verschiedene Umweltbedingungen (z. B. Regen, Nebel, Schatten) abbildet und zur Verbesserung der Generalisierungsfähigkeit eines CNNs beiträgt. Anschließend soll untersucht werden, wie gut das trainierte Netzwerk auf reale Daten übertragbar ist.
Arbeitspakete
- Modellierung eines 3D-Parkdecks in Blender mit realistischen Strukturen
- Simulation unterschiedlicher Umweltbedingungen (Lichtverhältnisse, Wetterbedingungen)
- Rendern von Bildern aus verschiedenen Perspektiven zur Generierung des Datensatzes
- Training eines CNNs mit dem synthetischen Datensatz
- Test und Evaluation des Netzwerks mit realen Parkdeck-Bildern
Deine Kenntnisse
- Erfahrung mit 3D-Modellierung (z. B. Blender)
- Grundkenntnisse in Deep Learning und Computer Vision
- Programmierkenntnisse in Python (z. B. TensorFlow, PyTorch)
- Interesse an synthetischen Datensätzen und Bildverarbeitung
