[campus icon] Accesskey [ h ] University of Paderborn - Home
EN english
Die Universität der Informationsgesellschaft
GET Lab LOGO

Arbeiten im GET Lab

Übersicht über Arbeiten im GET Lab:

Im folgenden sind die Themen der Abschlussarbeiten aufgelistet, die bisher im GET Lab vergeben wurden. Die Titel verweisen auf das Abstract der jeweiligen Arbeit.

Legende:


Jahr:

Bachelorarbeiten:

finished Joshua Bauch (2017)
Single-Shot Lernverfahren zur echtzeitfähigen Erstellung ansichtenbasierter Objektrepräsentationen
finished Steffen Grüne (2017)
Vorbereitung und Ausführung von einfachen Handlungen autonomer Roboter basierend auf raumzeitlichen Aufmerksamkeitsprozessen
finished Jannes Just (2017)
Auswahl und Evaluierung charakteristischer Merkmale zur robusten Beschreibung von Konturfragmenten
inprogress Oliver Nietfeld (2017)
Baum konstruieren für eine schnelle Suche durch großskalierte Daten
inprogress Sebastian Reinke (2017)
Selektion und Prüfung der Objekthaftigkeit für Rückgaben von Aufmerksamkeitssystemen
inprogress Christian Scharfstein (2017)
Vorverarbeitung binärer Kantenbilder zur Extraktion von Konturfragmenten für echtzeitfähige Objekterkennungssysteme
inprogress Julian Scheibl (2017)
Auswahl und Evaluierung eines erweiterten Algorithmus zur Kantendetektion für echtzeitfähige Objekterkennung
inprogress Ann-Katrin Thebille (2017)
Erzeugung künstlicher Trainingsdaten zur Erstellung ansichtenbasierter Objektrepräsentationen

Masterarbeiten:

finished Dieter Enns (2017)
Object Extraction Using the Motion Feature Saliency and Depth in GNG-based Attention System
inprogress Daniel Gaspers (2017)
Strukturelle Beschreibung lokaler Bildmerkmale zur Erweiterung ansichtenbasierter Objektrepräsentationen
inprogress Steffen Grotenhöfer (2017)
Entwicklung eines modularen Objekterkennungssystems zur Integration unterschiedlicher Bildmerkmale
finished Ali Raies (2017)
Optical Flow Estimation Based on Depth Information and Scene Analysis
inprogress Aben Saju (2017)
Methods for quality inspection of electrical connectors based on 3D data
inprogress Maximilian Schreckenberg (2017)
Schnelle Analyse und Beschreibung natürlicher Kantenbilder zur echtzeitfähigen Objekterkennung
inprogress Haoan Wang (2017)
Convolutional Neural Network (CNN) driven Place Recognition for Appearance-based Mapping