Vision-Transformer für Mikroplastik-Detektion in Umweltproben
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 18.000 mikroskopische Bildausschnitte mit 6 Partikel-Klassen (Polyethylen, Polystyrol, Polyamid, Polypropylen, Sand-Artefakt, Algen-Artefakt). Trainiere einen ViT (z. B. ViT-B/16 mit DINOv2-Initialisierung) und vergleiche gegen ResNet-50. Berichte Macro-F1, pro-Klasse-F1 und Confidence-Histogramme. Liefere eine Empfehlung, in welchem Vor-Filter-Setup (auto-akzeptieren/auto-verwerfen/Mensch-Prüfen) das Modell die Doktorand:innen entlastet, ohne wissenschaftliche Qualität zu verlieren.
Das Briefing
Was Du tust und was Du zeigst.
Wie trainiert man einen ViT, der als Vor-Filter mindestens 50 % der Partikel zuverlässig klassifiziert und die Doktorand:innen entlastet?
Earning criteria — what you'll demonstrate
- Vision-Transformer mit selbst-überwachter Initialisierung (DINOv2) feintunen
- Gegen eine moderne CNN-Baseline fair benchen
- Confidence-Histogramme zur Schwellenwert-Wahl auswerten
- Empfehlungen formulieren, die wissenschaftliche Qualitätsmaßstäbe respektieren
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 RollenML Researcher
Vision-Transformer auf domain-spezifischen wissenschaftlichen Bildern zu trainieren ist ein häufiges Forschungsthema in Umwelt- und Biotech-Laboren.
Dieses Projekt schärft
- vision-transformers
- self-supervised-pretraining
- transfer-learning
Computer Vision Engineer
Mikroskopie-Klassifikation mit Confidence-Routing ist ein produktives CV-Anwendungsfeld in Forschungsdienstleistern und Pharma.
Dieses Projekt schärft
- image-classification
- vision-transformers
- confidence-thresholding
Applied AI Scientist
Empfehlungen, die wissenschaftliche Qualität schützen UND Effizienz liefern, sind genau das, was angewandte KI-Wissenschaftler:innen in Forschungs-Spin-offs leisten.
Dieses Projekt schärft
- confidence-thresholding
- image-classification
- transfer-learning
Noch eine Sache