Forschung

Maschinelles Lernen

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz (KI), das sich mit der Entwicklung von Algorithmen und Modellen befasst, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen, ohne explizit programmiert zu werden. Es basiert auf der Idee, dass Computer aus Erfahrungen lernen und sich anpassen können, um spezifische Aufgaben zu erfüllen. Der Kern des maschinellen Lernens besteht darin, Muster und Strukturen in den vorhandenen Daten zu erkennen und diese Muster dann auf neue, unbekannte Daten anzuwenden, um Vorhersagen oder Entscheidungen zu treffen. Am FZI entwickeln und untersuchen wir diese Methoden zum Beispiel im Bereich der Bild- und Spracherkennung, zur medizinischen Diagnose, in der Robotik und vieles mehr.

Computer Vision mit angewandter künstlicher Intelligenz

Mit dem Einsatz von künstlicher Intelligenz (KI) und Bildverarbeitung in der Medizintechnik eröffnen sich vielfältige Möglichkeiten zur Verbesserung von Diagnose, Behandlung und Überwachung von Krankheiten. Diese Technologien nutzen verschiedene Sensoren und Auswertungsmethoden, um Muster und Strukturen in medizinischen Daten oder Bildern zu erkennen und zu interpretieren. Dies ermöglicht eine schnellere und präzisere Analyse, was wiederum Ärzten und medizinischem Personal dabei hilft, fundierte Entscheidungen zu treffen. Die Anwendung von KI und Bildverarbeitung in der Medizintechnik bringt jedoch auch Herausforderungen mit sich. Eine wesentliche Herausforderung besteht darin, sicherzustellen, dass diese Technologien zuverlässig und genau arbeiten, insbesondere angesichts der komplexen Umweltbedingungen, in denen medizinische Bilder erzeugt werden, und des oft begrenzten Umfangs an verfügbaren Daten für das Training von KI-Modellen. Am FZI arbeiten wir kontinuierlich an innovativen Technologien und an systematischen Analysen konkreter Anwendungsfälle, um die Leistungsfähigkeit und Effizienz dieser Systeme zu verbessern.

Human Action Recognition

Im Bereich der Human Action Recognition (HAR) wird zunehmend künstliche Intelligenz (KI) neben herkömmlichen Signalverarbeitungsmethoden eingesetzt. Bei der Entwicklung von KI-Systemen für HAR müssen sowohl die Auswahl geeigneter KI-Algorithmen als auch die Auswahl der KI-Hardware sorgfältig abgewogen werden, da HAR-Systeme in ihrer Ausgestaltung vielfältig sind. Eine wesentliche Herausforderung besteht darin, die Aktionen des Menschen durch Messungen realitätsgetreu zu erfassen. Hierbei spielt die hochauflösende Messung geeigneter Merkmale eine zentrale Rolle. Dies kann beispielsweise die Analyse der menschlichen Pose im Raum mittels Computer Vision umfassen, um die Bewegungen und Positionen des Körpers zu analysieren und daraus auf die ausgeführte Aktivität zu schließen. Am FZI forschen und entwickeln wir neue Technologien aus den Bereichen KI, Bildverarbeitung und Sensorik was uns eine präzisere und automatisierte Erkennung menschlicher Aktivitäten, in Gebieten wie Gesundheitswesen, Fitness, Überwachung und Robotik eröffnet.

Studentische Arbeiten
Titel	Typ	Datum
Handlungserkennung auf Videodaten mittels Pose Estimation	Masterarbeit	ab 04 / 2024