zur Hauptnavigation springen zum Inhaltsbereich springen

BayWISS-Kolleg Digitalisierung www.baywiss.de

Projekte im Kolleg Digitalisierung

© Alexander Debieve

Tiny and Small Object Detection

Die Bedeutung von Tiny und Small Object Detection liegt in ihrer Relevanz für eine Vielzahl von Anwendungsfeldern in der Computer Vision. Diese Technologie spielt eine entscheidende Rolle in der automatischen Bilderkennung und findet Anwendung in Bereichen wie autonomes Fahren, Überwachungssystemen, Robotik und medizinischer Bildgebung. Kleine und winzige Objekte sind oft kritisch, da sie leicht übersehen werden können und dennoch wichtige Informationen liefern können. Beispiele für ihre Anwendungsfelder sind die Erkennung von Verkehrszeichen und Fußgängern in autonom fahrenden Fahrzeugen, die Identifikation von Mikroorganismen in medizinischen Bildern sowie die Erkennung von Sicherheitsbedrohungen in Überwachungsvideos. Daher ist die Entwicklung effizienter Methoden für die Tiny und Small Object Detection von großer Bedeutung, um die Sicherheit und Leistungsfähigkeit von Computer-Vision-Systemen in der realen Welt zu verbessern. Es liegt daher nahe in der Forschungsarbeit Deep-Learning-Verfahren hinsichtlich ihrer Eignung für Tiny und Small Object Detection zu untersuchen und zu entwickeln.

MITGLIED IM KOLLEG

seit

Betreuer Technische Hochschule Würzburg-Schweinfurt:

Prof. Dr. Christian Bachmeir

Betreutes Projekt:
Tiny and Small Object Detection

Betreuer Julius-Maximilians-Universität Würzburg:

Prof. Dr. Radu Timofte

Research focus:

  • Computer Vision
  • Machine Learning
  • Artificial Intelligence
  • Compression
  • Computational Photography
  • Mobile AI

Betreutes Projekt:
Tiny and Small Object Detection

Lars Fichtel

Lars Fichtel

Technische Hochschule Würzburg-Schweinfurt

 

 

Koordination

Treten Sie mit uns in Kontakt. Wir freuen uns auf Ihre Fragen und Anregungen zum Verbundkolleg Digitalisierung.

Katharina Raab

Katharina Raab

Koordinatorin BayWISS-Verbundkolleg Digitalisierung

Julius-Maximilians-Universität Würzburg
Graduate Schools of Science and Technology
Beatrice-Edgell-Weg 21
97074 Würzburg

digitalisierung.vk@baywiss.de