Die Arbeitsgruppe „Maschinelles Lernen für Hochdurchsatzverfahren und Mechatronik“ (ML4HOME) beschäftigt sich mit der Analyse von Daten, die automatisiert von mechatronischen Systemen in großem Umfang generiert werden. Ziel ist die Modellierung von Zusammenhängen z.B. auf der Basis von gelabelten bzw. ungelabelten Bildern oder Zeitreihen.  Der Fokus liegt hierbei auf der Verallgemeinerung großer Datensätzen bestehend aus vielen Datenpunkten (High-Throughput), deren Größe eine automatisierte Datenauswertung zwingend erfordert.

Um eine unkomplizierte Nutzbarkeit der entstandenen Algorithmen und Erkenntnisse zu gewährleisten, sind die Softwarepakete typischerweise in die Open Source MATLAB Toolbox SciXMiner integriert.

Programm:

BioInterfaces in Technology and Medicine (BIFTM)

Projekte:

• Automatisierte Bild- und Datenanalyse
• Bildbasierte Fahrbahnbewertung

Abgeschlossene Projekte:

• TELMYOS
• Neue Methode zur Feedback-basierten Segmentierung und Visualisierung von komplexen 3D-Bilddatensätzen