arbeiten:impact_of_data_augmentation_on_deep_learning_algorithms_for_face_recognition

**Dies ist eine alte Version des Dokuments!**

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
Betreuer:
Hr. Lang
Student:
Tobias Baron
Professor:
Bernd Ludwig
Status:
in Bearbeitung
Stichworte:
Deep Learning
angelegt:
2018-02-20
Antrittsvortrag:
2018-03-12

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.