Maximiliane Gruber

Maximiliane Gruber, M. Sc.

Department Elektrotechnik-Elektronik-Informationstechnik (EEI)
Lehrstuhl für Multimediakommunikation und Signalverarbeitung

Raum: Raum 06.035
Cauerstr. 7
91058 Erlangen

Sprechzeiten

n.V.

Ich beschäftige mich im Bereich der intelligenten Videoanalyse mit dem Einfluss verschiedener Bildcharakteristiken auf Systeme des maschinellen Sehens. Solche Bildcharakteristiken hängen teilweise vom verwendeten Bildaufnahmesystem ab (z.B. Rauschen, Unschärfe, Codierung), teilweise von äußeren Einflüssen (z.B. Licht, Wetter, Ort). Ziel meiner Arbeiten ist es, die sogennante „Domain gap“ zwischen Trainings- und Testdaten solcher Fälle zu verkleinern. Dabei wird das System des maschinellen Sehens als Blackbox betrachtet.

Typische Anwendungen im Bereich des maschinellen Sehens umfassen Objekterkennung und -verfolgung für das autonome Fahren, Kennzeichenerkennung und Texterkennung. Die Anwendung in weiteren Bereichen wie z.B. der medizinischen Bildgebung ist möglich.

Ich biete jederzeit Abschlussarbeiten im Bereich der intelligenten Videoanalyse an.

Masterarbeiten

  • „Emulation von Bildcodierartefakten mittels Adversarial Learning“
  • „Emulation komplexer Bildartefakte mittels ungepaarter Methoden der Bild-zu-Bild Translation“
  • „Simulation und Lernen von tiefenabhängiger Bildunschärfe für Domänenadaption“

Bachelorarbeiten

  • „Bewertung der Bildqualität von Dokumenten für Texterkennungssysteme“
  • „Emulation von Bildartefakten durch Lernen im Frequenzbereich“
  • „Aufbau eines Demonstrators zur Tiefenschätzung mittels einer Stereokamera und eines LIDARs“

Forschungspraktika/Projektarbeiten

  • „Bildqualitätsanalyse dekodierter Videoframes“
  • „Modellierung von Umwelteinflüssen in Blender mittels Python“
  • „Untersuchung des Einflusses von Videocodierung auf die Texterkennung“
  • „Untersuchung der Domänenlücke zwischen verschiedenen Datensätzen im Bereich des maschinellen Sehens für autonomes Fahren“
  • „Evaluierung bidirektionaler Objektverfolgung“
  • „Untersuchung des Einflusses von Videoverzerrungen auf die Objektverfolgung“

2022

2021