Gesichts-Anonymisierung für ein Leipziger Stadtforschungs-Projekt
Übersicht
Worum es bei diesem Projekt geht.
Du anonymisierst Gesichter mit MTCNN, bewertest die Erkennungsrate und erhältst ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie zuverlässig anonymisiert eine vortrainierte Gesichtserkennungs-Pipeline Fußgänger auf städtischen Kamerabildern und Videoausschnitten?
Earning criteria — what you'll demonstrate
- Vortrainierte CV-Modelle für reale Aufgaben einsetzen
- Erkennungsraten in Sicherheitskontexten ehrlich bewerten
- Bildverarbeitungs-Pipeline für Videos schreiben
- Datenschutzanforderungen technisch dokumentieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Computer Vision (Undergraduate)
Bachelor · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenComputer Vision Engineer
Vortrainierte CV-Modelle in einem realen Compliance-Kontext einzusetzen ist eine direkt verwertbare Erfahrung für CV-Einstiegspositionen im öffentlichen oder regulierten Sektor.
Dieses Projekt schärft
- face-detection
- opencv
- image-processing
AI Safety Researcher
Erkennungsraten ehrlich gegen eine manuell gelabelte Validierungsmenge zu messen ist Standardarbeit in AI-Safety- und Datenschutz-Kontexten.
Dieses Projekt schärft
- face-detection
- model-evaluation
- compliance
AI Engineer
Ein Pipeline-Skript für Bild- und Videoverarbeitung zu schreiben ist niederschwellige AI-Engineering-Arbeit, die in vielen Branchen direkt gefragt ist.
Dieses Projekt schärft
- opencv
- python
- image-processing
Noch eine Sache