• Navigation überspringen
  • Zur Navigation
  • Zum Seitenende
Organisationsmenü öffnen Organisationsmenü schließen
Lehrstuhl für Multimediakommunikation und Signalverarbeitung
  • FAUZur zentralen FAU Website
  1. Friedrich-Alexander-Universität
  2. Technische Fakultät
  3. Department Elektrotechnik-Elektronik-Informationstechnik
Suche öffnen
  • en
  • EEI
  • Mein Campus
  • UnivIS
  • StudOn
  • CRIS
  • GitLab
  1. Friedrich-Alexander-Universität
  2. Technische Fakultät
  3. Department Elektrotechnik-Elektronik-Informationstechnik

Lehrstuhl für Multimediakommunikation und Signalverarbeitung

Menu Menu schließen
  • Lehrstuhl
    • Personen
    • Ausrichtung
    • Kompetenzen
    • Kooperationen
    • Ausstattung
    • EMSig
    • Kontakt
    Lehrstuhl
  • Forschung
    • Arbeitsgebiete
    • Veröffentlichungen
    • Patente
    • Downloads
    Forschung
  • Studium und Lehre
    • Lehrveranstaltungen
    • Abschlussarbeiten
    • FAQ
    Studium und Lehre
  • Aktuelles
    • Lehrstuhlnews
    • Seminarvorträge
    • Auszeichnungen
    • Stellenangebote
    • Veranstaltungen
    Aktuelles
  1. Startseite
  2. Forschung
  3. Arbeitsgebiete
  4. Maschinelles Lernen in der Signalverarbeitung

Maschinelles Lernen in der Signalverarbeitung

Bereichsnavigation: Forschung
  • Arbeitsgebiete
    • Videosignalverarbeitung und -übertragung
    • Audiosignalverarbeitung
    • Maschinelles Lernen in der Signalverarbeitung
  • Veröffentlichungen
  • Patente
  • Downloads

Maschinelles Lernen in der Signalverarbeitung

Im Bereich des maschinellen Lernens, insbesondere des Deep Learning, liegt der Schwerpunkt sowohl auf der Grundlagenforschung als auch auf der angewandten Forschung. Algorithmen des maschinellen Lernens werden für die Erkennung von Anomalien, die Schätzung von Unsicherheiten, die Erkennung von Unregelmäßigkeiten, das Lernen mit wenigen Daten (few-shot learning), das Lernen mit verrauschten Labels sowie für hardwarenahe Probleme wie die Modellkomprimierung und den effizienten Aufbau neuronaler Netzarchitekturen entwickelt. Die Anwendungen umfassen automatisiertes Fahren, Computer Vision, medizinische Bildanalyse und Signalverarbeitung. Beispiele für praktische Probleme sind die Vorhersage von Trajektorien und Bewegungen, die Lokalisierung sowie die Segmentierung von Bildern und Punktwolken.


Tsaregorodtsev, Alexander, Buchholz, Michael, Belagiannis, Vasileios, Automated Automotive Radar Calibration With Intelligent Vehicles, arXiv preprint arXiv:2306.13323, 2023.

Pre-print

Holzbock, Adrian, Hegde, Achyut, Dietmayer, Klaus, Belagiannis, Vasileios, Data-Free Backbone Fine-Tuning for Pruned Neural Networks, arXiv preprint arXiv:2306.12881, 2023.

Pre-print

Tsaregorodtsev, Alexander, Holzbock, Adrian, Strohbeck, Jan, Buchholz, Michael, Belagiannis, Vasileios, Automated Static Camera Calibration with Intelligent Vehicles, arXiv preprint arXiv:2304.10814, 2023.

Pre-print

Schmidt, Julian, Huissel, Pascal, Wiederer, Julian, Jordan, Julian, Belagiannis, Vasileios, Dietmayer, Klaus, RESET: Revisiting Trajectory Sets for Conditional Behavior Prediction, arXiv preprint arXiv:2304.05856, 2023.

Pre-print

Briegleb, Annika, Haubner, Thomas, Belagiannis, Vasileios, Kellermann, Walter, Localizing Spatial Information in Neural Spatiospectral Filters, arXiv preprint arXiv:2303.08052, 2023.

Pre-print

Dawoud, Youssef, Bouazizi, Arij, Ernst, Katharina, Carneiro, Gustavo, Belagiannis, Vasileios, Knowing What To Label for Few Shot Microscopy Image Cell Segmentation, Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2023.

Pre-print
Publication
Code

Hornauer, Julia, Belagiannis, Vasileios, Heatmap-Based Out-of-Distribution Detection, Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2023.

Pre-print
Publication
Code

Ülger, Osman, Wiederer, Julian, Ghafoorian, Mohsen, Belagiannis, Vasileios, Mettes, Pascal, Multi-Task Edge Prediction in Temporally-Dynamic Video Graphs, 33rd British Machine Vision Conference 2022, {BMVC} 2022

Pre-print
Publication

Liu, Yuyuan, Ding, Choubo, Tian, Yu, Pang, Guansong, Belagiannis, Vasileios, Reid, Ian, Carneiro, Gustavo, Residual Pattern Learning for Pixel-wise Out-of-Distribution Detection in Semantic Segmentation, arXiv preprint arXiv:2211.14512, 2022.

Pre-print
Code

Lehrstuhl für Multimediakommunikation und Signalverarbeitung
Cauerstr. 7
91058 Erlangen
  • Impressum
  • Datenschutz
  • Barrierefreiheit
  • Facebook
  • RSS Feed
  • Twitter
  • Xing
Nach oben