Die intelligente Bildverarbeitung hat in den letzten Jahren große Durchbrüche erzielt: Machine Learning Techniken wie Convolutional Neural Networks (CNNs) übertreffen heute in ersten Disziplinen bereits die menschliche Leistung, zum Beispiel bei der Erkennung von Objekten aus hunderten von Kategorien.

Unsere Modelle zur hocheffizienten Bildklassifizierung, Segmentierung sowie Objekterkennung auf Basis vortrainierter CNNs ermöglichen die Lösung von Computer Vision Aufgaben auch bei relativ wenigen gelabelten Trainingsdaten.

Unsere Werkzeuge:

• Kategorisierung von Bildern oder Bildinhalten
• Erkennen und Lokalisieren verschiedener Objekte in Bildern
• Pixelweise Segmentierung von Bildinhalten und Bereichen
• Erkennung von vorher unbekannten Auffälligkeiten

• Analyse von Drohnen- oder Satellitenbildern von Land- oder forstwirtschaftlichen Flächen, z.B. nach Baumarten, Biotopen, Vitalitätsanalysen, Schädlingsbefall, Trockenheit
• Schadensbildanalysen auf Kamera-, Röntgen-, Radar- oder Ultraschallaufnahmen
• Objekterkennung im Rohstoffrecycling
• Erkennung von Vögeln zur Kollisionsvermeidung mit Windenergieanlagen
• Früherkennung von Waldbränden

Von unseren Teammitgliedern durchgeführte Projekte:

• Auffinden von Auffälligkeiten in Spektralbildern von Motorgeräuschen in der Fertigung
• Kamera-basierte Hinderniserkennung und 3D-Kartierung für einen autonomen Rollstuhl
• Erkennung individueller Buckelwale anhand von Bildern der Schwanzflosse (Kaggle Competition)