Verkehrsteilnehmer-Erkennung für einen Stuttgarter Premium-OEM verbessern
Übersicht
Worum es bei diesem Projekt geht.
Sie erhalten 18.000 gelabelte Innenstadt-Frames aus drei DACH-Städten plus 1.500 Frames mit dokumentierten Edge Cases (Schaufenster-Spiegelung, Schatten, Regen). Trainieren Sie ein YOLOv8 oder DINO-Detektorbasis und feinjustieren Sie es mit einem zweistufigen Trainingsplan, der die Edge-Case-Bilder stärker gewichtet. Validieren Sie [email protected] und Falsch-Positiv-Rate getrennt für Standard-Frames und Edge-Case-Frames. Liefern Sie eine reproduzierbare Trainings-Pipeline, einen ehrlichen Vergleichsreport gegen die Baseline und eine Edge-Case-Galerie mit den 30 schwierigsten Verbesserungen und 30 verbleibenden Fehlern.
Das Briefing
Was Du tust und was Du zeigst.
Wie lässt sich die Fußgängererkennung in Innenstadt-Edge-Cases so verbessern, dass die Falsch-Positiv-Rate messbar sinkt, ohne dass die Standard-mAP einbricht?
Earning criteria — what you'll demonstrate
- Moderne Detektorarchitekturen auf eine reale Domäne fine-tunen
- Edge Cases systematisch als Trainingssignal nutzen
- Detektions-Metriken pro Slice ehrlich bewerten
- Eine Wahrnehmungs-Iteration nach Industrierhythmus dokumentieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
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
Wahrnehmungsmodelle auf Edge Cases hin zu verbessern und sauber zu bewerten ist die alltägliche Arbeit der CV-Teams in OEMs und Tier-1-Zulieferern in der DACH-Region.
Dieses Projekt schärft
- object-detection
- edge-case-analysis
- transfer-learning
Machine Learning Engineer
Eine reproduzierbare Trainings-Pipeline mit Slice-Bewertung ist die Brücke zur produktiven MLE-Arbeit in einem Wahrnehmungs-Stack.
Dieses Projekt schärft
- pytorch
- model-evaluation
- data-augmentation
Applied AI Scientist
Ein Modell-Iterationsschritt vor einer Update-Entscheidung sauber zu dokumentieren ist Kernarbeit von Applied AI Scientists in automotiven Wahrnehmungsteams.
Dieses Projekt schärft
- edge-case-analysis
- model-evaluation
- object-detection
Noch eine Sache