Open Access

Diese Arbeit befasst sich mit dem Konzept des Active Learning. Sinn davon ist es, beim Training von Machine Learning Modellen Daten einzusparen. Indem das Modell aussucht, welche Daten besonders interessant sind, soll das Labeling von weniger nützlichen Daten vermieden werden. Der Prozess wird am Beispiel der Objekterkennung auf Bildern evaluiert. Bei den durchgeführten Versuchen wird zu dem Ergebnis gekommen, dass das Active Learning in gewissen Fällen eine Datensparrate von bis zo 50% erzielen kann. Jedoch muss diese Methode gut auf den jeweiligen Anwendungsfall angepasst werden. Bei einer fehlerhaften Verwendung kann das Active Learning negative Auswirkungen auf das Training haben.

Die zentrale Frage dieser Arbeit war, ob sich das Residual Shuffle-Exchange Network, das als Alternative zum Transformer auf dem MusicNet-Datensatz für die Automatic Music Transcription (AMT) gute Leistungen erzielte, als PyTorch-Version realisieren und mit mehr Daten, einschließlich synthetischer Daten, skalieren lässt, um eine bessere Generalisierung zu erzielen. Die Ergebnisse konnten auf Basis eines bestehenden GitHub-Repositories in PyTorch mit leichten Einbußen reproduziert werden. Es wurde eine Codebasis entwickelt, die es ermöglichte, die Architektur in verschiedenen Konfigurationen zu testen und schließlich effizient mit dem MAESTRO-Datensatz sowie mit dem synthetisierten ADLPiano-Datensatz zu trainieren. Dabei entstand ein Modell, das 2 Millionen Parameter größer ist, jedoch durch den Einsatz von bfloat16 den Bedarf an VRAM um 8% reduziert und die Transkriptionsgeschwindigkeit durch eine verringerte Auflösung um 18% erhöht. Das Modell zeigt verbesserte Fähigkeiten zur Generalisierung auf unbekannten Klavierstücken. In Kombination mit einer verbesserten Nachverarbeitung konnte auf dem MAESTRO Testdatensatz ein Onset-F1-Score von 92% erreicht werden.

Die vorliegende Bachelorarbeit mit dem Titel "Ableitung von Bruchflächen-Topographien mittels künstlicher neuronaler Netze" ist eine Machbarkeitsstudie, in der eine Möglichkeit untersucht wird, hochauflösende Raster-Elektronen-Mikroskop (REM)-Bilder zur präzisen Bestimmung der Topographie von Bruchflächen in Materialien zu nutzen. Ziel der Arbeit ist es, ein Verfahren zu entwickeln, das durch den Einsatz künstlicher Intelligenz den langwierigen und komplexen Prozess der manuellen Topographieerfassung ersetzt. Dies soll die Effizienz in der Materialprüfung steigern und tiefere Einblicke in das Verhalten von Materialien unter Belastung ermöglichen. Die Vision, die dadurch angestrebt wird, ist zukünftig, wichtige Zähigkeitskennwerte anhand von Bruchflächeninformationen abzuleiten. Ein großer Teil der Machbarkeitsstudie behandelt die Datenentstehung und Datenvorverarbeitung. Mit einem Raster-Elektronen-Mikroskop werden hochauflösende Graustufenbilder von Bruchflächen erzeugt. Das Weißlichtinterferometer scannt die Bruchfläche und erzeugt eine passende Topographie. Während der Datenvorverarbeitung werden die anfangs fehlerbehafteten Daten anhand mehrerer Methoden präpariert und für das Modell vorbereitet. Mithilfe geometrischer Transformationen wie Drehen oder Beschneiden werden das REM-Bild und die Topographie gemappt. Eine Gradient-basierte Helligkeitsfunktion soll unerwünschte Helligkeitsunterschiede auf Bruchflächenbildern vermeiden, sodass diese nicht zu viel Einfluss auf das Modell nehmen. Anschließend wird ein U-Net trainiert, welches das Graustufenbild als Input nimmt und eine dazugehörige Topographiematrix generieren soll. Häufig auftretende Artefakte bei Convolutional Neural Networks, wie Schachbrettmuster oder ein, durch das Zero-Padding entstehender, schwarzer Rahmen, werden mit besonderen Features in der Modellarchitektur vermieden. In diesem Modell ersetzt ein Reflective-Padding das standardmäßige Zero-Padding, um den Effekt des schwarzen Rahmens zu umgehen. Für das Hochskalieren der Bilder während der Up-Convolution bedient sich das Modell an einer nearest neighbor Interpolation. Die Ergebnisse werden durch Metriken wie Root-Mean-Squared-Error oder prozentuale Abweichung evaluiert. Dabei werden die Vorhersagen auf den unterschiedlichen Bereichen der Bruchfläche analysiert. Das Modell zeigt vielversprechende Ergebnisse in der Topographie-Generierung und bietet eine Grundlage für weitere Forschungen in diesem Gebiet.

Jeder Mensch ist ständig unfreiwillig von einer Flut akustischer Reize umgeben. Diese Situation stellt für Menschen mit Hörverlust eine besondere Herausforderung dar. Menschen mit Hörverlust hören durch Hörgeräte zwar alles verstärkt, jedoch stellt sich die Frage, ob ein Hörgerät lediglich eine einfache Verstärkung von Schallwellen ist oder ob es darüber hinausgehende Funktionen bieten kann. Die vorliegende Thesis widmet sich der akustischen Szenenanalyse in Hörgeräten, wobei der Schwerpunkt auf der Integration von Machine Learning liegt. Das Ziel besteht darin, eine automatisierte Erkennung und Anpassung an verschiedene akustische Situationen zu ermöglichen. Die Arbeit konzentriert sich insbesondere auf die Analyse grundlegender Szenarien wie: Sprache in Ruhe, absolute Ruhe, Sprache in Störgeräuschen und Störgeräuschen in Audiodaten.

This thesis investigates the critical role of data quality in computer vision, particularly in the realm of pedestrian detection. The proliferation of deep learning methods has emphasised the importance of large datasets for model training, while the quality of these datasets is equally crucial. Ambiguity in annotations, arising from factors like mislabelling, inaccurate bounding box geometry and annotator disagreements, poses significant challenges to the reliability and robustness of the pedestrian detection models and their evaluation. This work aims to explore the effects of ambiguous data on model performance with a focus on identifying and separating ambiguous instances, employing an ambiguity measure utilizing annotator estimations of object visibility and identity. Through accurate experimentation and analysis, trade-offs between data cleanliness and representativeness, noise removal and retention of valuable data emerged, elucidating their impact on performance metrics like the log average miss-rate, recall and precision. Furthermore, a strong correlation between ambiguity and occlusion was discovered with higher ambiguity corresponding to greater occlusion prevalence. The EuroCity Persons dataset served as the primary dataset, revealing a significant proportion of ambiguous instances with approximately 8.6% ambiguity in the training dataset and 7.3% in the validation set. Results demonstrated that removing ambiguous data improves the log average miss-rate, particularly by reducing the false positive detections. Augmentation of the training data with samples from neighbouring classes enhanced the recall but diminished precision. Error correction of wrong false positives and false negatives significantly impacts model evaluation results, as evidenced by shifts in the ECP leaderboard rankings. By systematically addressing ambiguity, this thesis lays the foundation for enhancing the reliability of computer vision systems in real-world applications, motivating the prioritisation of developing robust strategies to identify, quantify and address ambiguity.