Impact of Data Augmentation on Deep Learning Algorithms for Face Recognition
- Thema:
- Impact of Data Augmentation on Deep Learning Algorithms for Face Recognition
- Art:
- BA
- BetreuerIn:
- Hr. Lang
- BearbeiterIn:
- Tobias Baron
- ErstgutachterIn:
- Bernd Ludwig
- ZweitgutachterIn:
- N.N.
- Status:
- abgeschlossen
- Stichworte:
- Deep Learning
- angelegt:
- 2018-02-20
- Antrittsvortrag:
- 2018-03-12
- Textlizenz:
- Unbekannt
- Codelizenz:
- Unbekannt
Hintergrund
Zu wenig Daten verfügbar für die meisten Anwendungsfälle von Convolutional Neural Networks (CNN).
Zielsetzung der Arbeit
Datenanreicherung mithilfe Deconvolutional Neural Networks, um robustere CNN Modelle trainieren zu können.
Konkrete Aufgaben
- Implementierung eines Face Recognition Algorithmus
- Generieren künstlicher Daten
- Implementierung eines Face Recognition Algorithmus mit angereicherten Daten
- Vergleich der Modelle
Erwartete Vorkenntnisse
- Programmierkenntnisse in Python
- Umgang mit Machine Learning Verfahren
Weiterführende Quellen
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.