Schadenserkennung an Büchern in Containern mithilfe von Deep Learning

AI Quick Summary

Ziel der Arbeit ist es Bilder von typischen Buchbeschädigungen im Internet zu finden, manuell zu labeln und damit ein neuronales Netzwerk zu trainieren, dass solche Buchbeschädigungen auf Farbbildern erkennen und klassifizieren kann. Zudem soll das trainierte Neuronale Netz anschliessend auf neue Bilder angewendet werden. Deep Learning ist eine Methode des maschinellen Lernens, die in zahlreichen Anwendungsdomänen der Künstlichen Intelligenz zu wichtigen Durchbrüchen geführt hat, wie bei der Objekterkennung, natürlichsprachlichen Dialogsystemen oder Strategiespielen wie Schach oder Go.In der Speicherbibliothek werden Bücher von verschiedenen Bibliotheken mittels Containern in Hochregalen gelagert. Manche der Bücher sind möglicherweise beschädigt (z.B. Wasserschaden, Seiten angerissen) oder von Schimmel befallen. In dieser Arbeit geht es darum, solche Beschädigungen automatisch durch Hilfe von Deep Learning zu erkennen und geeignet zu kategorisieren, indem Farbbilder von Büchercontainern analysiert werden.Ziel der Arbeit und erwartete Resultate:Ziel der Arbeit ist es Bilder von typischen Buchbeschädigungen im Internet zu finden, manuell zu labeln und damit ein neuronales Netzwerk zu trainieren, dass solche Buchbeschädigungen auf Farbbildern erkennen und klassifizieren kann. Zudem soll das trainierte Neuronale Netz anschliessend auf neue Bilder angewendet werden. Gewünschte Methoden, Vorgehen:Auseinandersetzung mit den Schadenstypen an Büchern, welche für das Projekt relevant sindEinarbeitung in Deep Learning (insbesondere Vision-Transformers und Convolutional Neural Networks (CNNs))Recherche von geeigneten Bildern im InternetTrainieren eines neuronalen Netzwerkes für die Schadenserkennung einer gelabelten BildersammlungAnwenden des neuronalen Netzwerkes auf neue BilderDurchführung einer quantitativen EvaluationKreativität, Varianten, Innovation*:Offenes Denken, vorschlagen mehrerer Varianten, Auswahl einer geeigneten NetzwerkarchitekturSonstige Bemerkungen (Anforderungen):Machine Learning und Python-Kenntnisse sind vorteilhaft aber keine zwingende Vorraussetzung.

Project Idea Metadata

• Project Idea Name: Schadenserkennung an Büchern in Containern mithilfe von Deep Learning
• Date: 11/25/2022 1:48:48 PM
• Administrators:
  • Tim vor der Brück

Project Idea Description

Deep Learning ist eine Methode des maschinellen Lernens, die in zahlreichen Anwendungsdomänen der Künstlichen Intelligenz zu wichtigen Durchbrüchen geführt hat, wie bei der Objekterkennung, natürlichsprachlichen Dialogsystemen oder Strategiespielen wie Schach oder Go.

In der Speicherbibliothek werden Bücher von verschiedenen Bibliotheken mittels Containern in Hochregalen gelagert. Manche der Bücher sind möglicherweise beschädigt (z.B. Wasserschaden, Seiten angerissen) oder von Schimmel befallen. In dieser Arbeit geht es darum, solche Beschädigungen automatisch durch Hilfe von Deep Learning zu erkennen und geeignet zu kategorisieren, indem Farbbilder von Büchercontainern analysiert werden.

Ziel der Arbeit und erwartete Resultate:

Ziel der Arbeit ist es Bilder von typischen Buchbeschädigungen im Internet zu finden, manuell zu labeln und damit ein neuronales Netzwerk zu trainieren, dass solche Buchbeschädigungen auf Farbbildern erkennen und klassifizieren kann. Zudem soll das trainierte Neuronale Netz anschliessend auf neue Bilder angewendet werden.

Gewünschte Methoden, Vorgehen:

• Auseinandersetzung mit den Schadenstypen an Büchern, welche für das Projekt relevant sind
• Einarbeitung in Deep Learning (insbesondere Vision-Transformers und Convolutional Neural Networks (CNNs))
• Recherche von geeigneten Bildern im Internet
• Trainieren eines neuronalen Netzwerkes für die Schadenserkennung einer gelabelten Bildersammlung
• Anwenden des neuronalen Netzwerkes auf neue Bilder
• Durchführung einer quantitativen Evaluation

Kreativität, Varianten, Innovation*:

Offenes Denken, vorschlagen mehrerer Varianten, Auswahl einer geeigneten Netzwerkarchitektur

Sonstige Bemerkungen (Anforderungen):

Machine Learning und Python-Kenntnisse sind vorteilhaft aber keine zwingende Vorraussetzung.

Ziel der Arbeit ist es Bilder von typischen Buchbeschädigungen im Internet zu finden, manuell zu labeln und damit ein neuronales Netzwerk zu trainieren, dass solche Buchbeschädigungen auf Farbbildern erkennen und klassifizieren kann. Zudem soll das trainierte Neuronale Netz anschliessend auf neue Bilder angewendet werden.