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 der automatisierten Erkennung von Ferkelgeburten auf Basis von Videosequenzen aus der Sauenhaltung.

Im Rahmen der Abschlussarbeit sollen in der Forschung eingesetzte Methoden aus dem Bereich der Temporal Action Localization (https://paperswithcode.com/task/action-recognition) miteinander verglichen und evaluiert werden, um die geeignetsten Methoden für diese Art von Anwendungsfall zu finden. Ziel besteht nicht darin eine eigene Methode zu entwickeln, sondern bestehende Bibliotheken zu nutzen und deren Anwendbarkeit auf unseren Use-Case zu überprüfen und die Ergebnisse miteinander zu vergleichen (bspw. https://github.com/open-mmlab/mmaction2).

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

Voraussetzungen:

·       Programmiererfahrung in einer Objektorientierten Programmiersprache (vorzugsweise Python)

·       Grundkenntnisse aus dem Bereich Deep Learning (am besten Computer Vision)

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