Im Forschungsprojekt DigiSchwein beschäftigen wir uns mit der Entwicklung und Bereitstellung verschiedenster Data Products zur Unterstützung des Landwirts bei seiner täglichen Arbeit. Ein Teilziel des Projekts besteht in dem automatisierten Monitoring des Gesundheitszustands einer Sau nach der Geburt der Ferkel. Der Gesundheitszustand einer Sau kann u.a. auf Basis des Fressverhaltens sowie  Aktivitätsniveaus (Liegen, Stehen, Sitzen; Bewegung) eingeschätzt werden.
Derzeit wird das Problem auf Basis mehrerer Supervised Learning Modelle gelöst (Detektion der Sau, Klassifikation des Verhaltens sowie der Pose). Eine solche Herangehensweise erfordert einen großen Labeling Aufwand (Boxen für die Detektion, Klassifikationslabel für jede Box hinsichtlich Aktivität und Pose).

Im Rahmen der Abschlussarbeit sollen verschiedene Verfahren aus dem Bereich des Self-Supervised Learning getestet und bewertet werden, um bestehende Objektdetektoren sowie Klassifikationsmodelle hinsichtlich ihrer Genauigkeit zu verbessern und gleichzeitig den Aufwand für das Labeling reduzieren.

Im Projekt liegen eine Menge Videosequenzen aus der Versuchsstation aus Wehnen vor, welche als Basis für die Arbeit verwendet werden können. Zudem werden im Verlaufe des Projekts weitere Videos hinzukommen. Hardware für das Training der Algorithmen können im Projekt ebenfalls bereitgestellt werden.

(Zudem wäre eine Arbeit im Bereich "Active Learning" denkbar).
 

- Programmiererfahrung in einer Objektorientierten Programmiersprache (vorzugsweise Python)

- Grundkenntnisse aus dem Bereich Deep Learning (vorzugsweise Computer Vision)

- Hohe Motivation und Interesse sich im Bereich des Deep Learning vertiefend einzuarbeiten und eine Menge zu lernen