transMVS
FFG COMET, 2019 – 2022
Transfer Learning Based Machine Vision Systems
Motivation
In diesem Projekt wird eine Wissensbasis von domänenspezifischen Bilddaten aufgebaut, die dem Training und der Analyse von Deep Learning Modellen für Anwendungen im Bildverarbeitungsbereich dient.
Erforscht werden Transferlearning-Ansätze, die bei der effizienten Wiederverwendung von verfügbaren und vortrainierten Modellen in ähnlichen Domänen angewendet werden können. Im Speziellen wird auf die Qualitätsinspektion in der Metallverarbeitung und beim Spritzgieße, bei kleinen Losgrößen, eingegangen.
Erwartete Ergebnisse
Ziel ist es, durch Maschinelles Lernen die automatisierte Bildverarbeitung in den zuvor genannten Segmenten zu verbessern.
Weitere erwartete Ergebnisse sind:
- Benchmark-Datensätze von AOI-Bildern
- Python-Software-Prototyp der auf der CMD (Central Moment Discrepancy) Methode basiert. Für die Nutzung von unmarkierten Daten und Daten aus verschiedenen Problemstellungen, die für das Training neuronaler Modelle verwendet werden können.
- Python-Software-Prototyp für Transfer Leraring für die Wiederverwendung von Verhaltensmodellen
- Machbarkeitsstudie für die Erweiterung zu einem Vorhersagemodell
- Wissenschaftliche Publikationen, z.B. Journal of Electronic Imaging, IEEE transactions on industrial informatics
Fördergeber
Das Projekt wird im Rahmen von COMET – Competence Centers for Excellent Technologies durch BMK, BMDW, Land Oberösterreich und den wissenschaftlichen Partnern des SCCH gefördert. Das Programm COMET wird durch die FFG abgewickelt.
