MASTERARBEIT HUMAN-IN-THE-LOOP DEEP LEARNING FUR RADARBASIERTE OBJEKTDIMENSIONIERUNG

Im Rahmen einerMasterarbeit unterstutzen Sie die Gruppe Radarwahrnehmung des BereichsAutomatisiertes Fahren bei der Entwicklung eines Human-in-the-LoopDeep-Learning-Verfahrens fur die Objektdimensionierung der radarbasiertenObjekterkennung. Die prazise Bestimmung von Objektdimensionen ist essenziellfur moderne Fahrerassistenzsysteme, aktuelle Referenzsysteme wie Lidar oderKamera stoen jedoch in spezifischen Fahrsituationen oft an Grenzen. DieseMasterarbeit untersucht einen Human-in-the-Loop-Ansatz, bei dem menschlichesFeedback genutzt wird, um Deep-Learning-Modelle fur die radarbasierteGroenabschatzung effizient zu trainieren.

• Pipeline-Entwicklung: Im Rahmen dieser Aufgabe entwickeln Sieeine Deep-Learning-Pipeline zur Objektdimensionierung auf Basis von Radar-Datenund menschlichem Feedback.
• Daten undFeedback: Dabeiuntersuchen Sie, wie Radarinformationen und menschliches Feedback fur dasTraining der Modelle zusammengefuhrt werden konnen.
• Labeling-Ansatze: Erganzend vergleichen Sie innovativeLabeling-Ansatze wie Pairwise Preference Learning und direktionales Feedback.
• UI-Tool: Im nachsten Schritt implementieren Sieein interaktives UI-Tool zur effizienten Annotation durch menschliche Experten.
• Methodenbewertung: Abschlieend evaluieren Sie die Methodenhinsichtlich Genauigkeit, Robustheit und Annotationsaufwand.