Visuelle Regal-Analyse für einen Lebensmittel-Filialisten
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst rund 1.500 Regal-Fotos aus 20 anonymisierten Filialen plus Annotationen (Produkt-Bounding-Boxes, Lückenpositionen, Preisetiketten) und einen Katalog von 250 Produkten als Referenz. Trainiere ein Detektions-Modell (YOLOv8 oder RT-DETR) auf Produkten und Lücken, sowie einen Klassifikator für Preisetiketten-Vorhandensein. Quantisiere das Modell für mobile Inferenz (INT8 über TFLite oder ONNX) und miss Genauigkeit, Latenz und Modell-Größe auf einem Pixel-7-Telefon (oder dokumentiertem Proxy). Liefere einen klickbaren Streamlit-Demo plus 3-seitige Memo, die das mobile Deployment-Konzept ohne Cloud-Upload skizziert.
Das Briefing
Was Du tust und was Du zeigst.
Baue eine On-Device-Vision-Pipeline, die Regal-Lücken und fehlende Preisetiketten mit mAP über 0,75 bei unter 300 ms Latenz auf einem Mittelklasse-Android-Telefon erkennt.
Earning criteria — what you'll demonstrate
- Objekt-Detektoren auf domänenspezifischen Einzelhandels-Daten trainieren
- Modell-Quantisierung als Hebel für mobile Inferenz einsetzen
- Trade-off mAP vs. Latenz vs. Modell-Größe argumentieren
- On-Device-Deployment-Konzepte mit Datenschutz-Argumentation entwerfen
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-Ingenieur:in
Einzelhandels-Vision-Pipelines mit On-Device-Deployment sind ein wachsendes Feld; diese Challenge liefert einen Detektor + mobile Inferenz + Memo, die in CV-Engineering-Interviews ziehen.
Dieses Projekt schärft
- object-detection
- model-quantization
- edge-deployment
Maschinelles-Lernen-Ingenieur:in
Quantisierung, mAP/Latenz-Trade-offs und ein vorzeigbarer Demo sind tägliches MLE-Brot in Mobile-ML-Teams im Einzelhandel.
Dieses Projekt schärft
- model-quantization
- image-classification
- evaluation
KI-Ingenieur:in
Den Spagat aus Produkt-Demo, On-Device-Constraint und Datenschutz-Argumentation zu meistern, ist klassische KI-Ingenieur:innen-Arbeit in produktorientierten Teams.
Dieses Projekt schärft
- object-detection
- edge-deployment
- evaluation
Noch eine Sache