Impact of Data Augmentation on Deep Learning Algorithms for Face Recognition

Zu wenig Daten verfügbar für die meisten Anwendungsfälle von Convolutional Neural Networks (CNN).

Datenanreicherung mithilfe Deconvolutional Neural Networks, um robustere CNN Modelle trainieren zu können.

• Implementierung eines Face Recognition Algorithmus
• Generieren künstlicher Daten
• Implementierung eines Face Recognition Algorithmus mit angereicherten Daten
• Vergleich der Modelle

• Programmierkenntnisse in Python
• Umgang mit Machine Learning Verfahren

Erzeugung künstlicher Daten basieren auf: Dosovitskiy, A., Springenberg, J. T., Tatarchenko, M., & Brox, T. (2017). Learning to generate chairs, tables and cars with convolutional networks. IEEE transactions on pattern analysis and machine intelligence, 39(4), 692-705.