Multimedia Information Processing Group


 Generative Deep Learning Verfahren - Klassifikation von Nanopartikeln


 

Status     vergeben

Nanopartikel mit speziellen Eigenschaften sind eine vielversprechende Lösung für bisher ungelöste Probleme z.B. in der therapeutischen Medizin zur zielgenauen Steuerung von Medikamenten.

In Kooperation mit der Materialwissenschaft der Technischen Fakultät werden Methoden der künstlichen Intelligenz eingesetzt, um die Herstellung dieser Nanopartikeln besser kontrollieren zu können. Diese Nanopartikel sollen automatisch klassifiziert werden. Hierzu existiert bereits ein Klassifikator, der auf von Hand sortierten Trainingsbildern trainiert wird.

Es ist nicht leicht ausreichend reale Bilder mit den richtigen Partikeln für diesen Klassifikator zu erstellen. Deshalb sollen in dieser Arbeit generative Deep Learning Methoden genutzt werden, die in den letzen Jahre große Fortschritte gemacht haben, Stichwort Deep Fakes.

In dieser Arbeit soll erforscht werden, inwiefern mit diesen generative Verfahren, wie z.B. https://github.com/openai/pixel-cnn, realistisch aussehende Partikel generiert werden können und ob die Klassifikation der Nanopartikeln damit verbessert werden kann.

Bilder folgen, sonst auf Anfrage.

Voraussetzungen: Erfahrungen im Bereich Deep Learning und grundlegende Programmierkenntnisse in Python sind hilfreich.

Betreut von:Claudius Zelenka