Informatics Inside experience(IT);

Die Beitr√§ge der diesj√§hrigen Fachkonferenz befassen sich mit Themen der k√ľnstlichen Intelligenz, nutzerorientierte Softwareentwicklung und informationstechnologische L√∂sungen in der Medizin.

Die 11te Informatics Inside 2019 am 8. Mai war besonders ‚Äď neben drei Vortr√§gen vonMasterstudierenden, im Rahmen des Moduls Wissenschaftlichen Vertiefung, bot diese Konferenz zus√§tzlich Einblicke in einige Forschungsprojekte von Doktoranden der Hochschule Reutlingen. So stellten Herr Ludl und Herr Gulde Themen und Herangehensweisen der k√ľnstlichen Intelligenz vor, zudem pr√§sentierte Frau Junger ein Thema aus dem medizinischen Bereich. So gliederte sich das Konferenzprogramm in drei Bl√∂cken, innerhalb derer abwechselnd Masterstudierende und Doktoranden ihre Arbeiten vorstellten. Im ersten und zweiten Block lag der Schwerpunkt auf k√ľnstliche Intelligenz, wie diese f√ľr spezielle Anwendungsf√§llen trainiert werden kann und wie diese Verwendung findet. W√§hrend des Posterflashs gew√§hrten die Masterprojekte des Studiengangs Human-Centered Computing Einblicke in die Labore, zudem berichteten Studierende von ihren Auslandsaufenthalten. In den Pausen konnten die Teilnehmer sich im Genuss von Kaffee und verschiedenster Leckereien √ľber die Vortr√§ge und Poster austauschen. Abgeschlossen wurde das Programm mit einem Vortrag zu einer Arbeit eines Gamification-Konzepts zu einem speziellen Anwendungsfall und einer medizinischen Prototypen-Entwicklung f√ľr die Informationsbereitstellung in OPs. Die Arbeiten der Masterstudierenden wurden in einem Konferenzband zusammengefasst, welcher hier hier (.pdf 2MB)zur Verf√ľgung steht.


Das Programm 2019

9:00 Come Together
9:30 Beginn der Veranstaltung und Begr√ľ√üung Herr Gromer & Herr Prof. Kloos
Erste Vortragsrunde
9:40 Semi-automated image data labelling using AprilTags as a pre-processing step for machine learning Steven Cybinski
10:05 Towards teaching autonomous systems better perceive and understand humans through simulations Dennis Ludl
10:30 Posterflash
10:50 zwanzigmin√ľtige¬†Pause¬†
Zweite Vortragsrunde
11:10
Zeitliche Vorhersage von Erdbeben durch Klassifikation mittels Convolutional Neural Networks
Julian Hennige
11.35 RoPose: CNN-based 2D Pose Estimation of Industrial Robots Thomas Gulde
12:00 zwanzigmin√ľtige¬†Pause¬†
Dritte Vortragsrunde
12.20 Anforderungen an ein Gamification-Konzept zur Motivationssteigerung der Anwender eines KI-Service zur Maschinenoptimierung Tanja Brodbeck
12:45 Entwicklung eines Prototyps zur sterilen Informationsanzeige am OP-Situs Denise Junger
13:10  Abschluss

Die Arbeiten der Masteranden

Semi-automated image data labelling using AprilTags as a pre-processing step for machine learning

Autor: Steven Cybinski

Data labelling is a pre-processing step to pre-pare data for machine learning. There are ma-ny ways to collect and prepare this data, but these are usually associated with a greater ef-fort. This paper presents an approach to semi-automated image data labelling using April- Tags. The AprilTags attached to the object, which contain a unique ID, make it possi-ble to link the object surfaces to a particu-lar class. This approach will be implemen-ted and used to label data of a stackable box. The data is evaluated by training a You Only Look Once (YOLO) net, with a subsequent evaluation of the detection results. These re-sults show that the semi-automatically col-lected and labelled data can certainly be used for machine learning. However, if concise fea-tures of an object surface are covered by the AprilTag, there is a risk that the concerned class will not be recognized. It can be ass-umed that the labelled data can not only be used for YOLO, but also for other machine learning approaches.

 

Zeitliche Vorhersage von Erdbeben durch Klassifikation mittels Convolutional Neural Networks

Autor: Julian Hennige

In dieser Ausarbeitung wird eine zeitliche Vorhersage von Erdbeben getroffen. Hierf√ľr werden mit einem Datensatz aus Labor-Erd-beben Convolutional Neural Networks (CNN) trainiert. Die trainierten Netzwerke geben Vorhersagen, indem sie einen Input an seismischen Daten klassifizieren. Durch das Klassifizieren kann das CNN die zeitliche Entfernung zum n√§chsten Erdbeben vorher-sagen. Es werden hierf√ľr zwei Ans√§tze miteinander verglichen. Beim ersten Ansatz werden die Originaldaten in ein CNN gege-ben. Beim zweiten Ansatz wird vor dem CNN eine Vorverarbeitung der Daten mit den Mel Frequency Cepstral Coefficients (MFCC) durchgef√ľhrt. Es zeigt sich, dass mit beiden Ans√§tzen eine gute Klassifikation m√∂glich ist. Die Kombination aus MFCC und CNN liefert die besseren quantitativen Er-gebnisse. Hierbei konnte eine Genauigkeit von 65 % erreicht werden.

 

Anforderungen an ein Gamification- Konzept zur Motivationssteigerung der Anwender eines KI-Service zur Maschinenoptimierung

Autor: Tanja Brodbeck

In Folge der gegenw√§rtigen Digitalisierung in der produzierenden Industrie werden An-wendungen oder Services mit potentiell posi-tiven Auswirkungen auf Faktoren wie Effek-tivit√§t und Arbeitsqualit√§t entwickelt. Ein ge-eigneter Ansatz zur St√§rkung motivierender Aspekte im Arbeitskontext kann Gamifica-tion darstellen. In dieser Arbeit ist die initiale Konzeption und Evaluation eines Gamifica-tion-Ansatzes f√ľr Anwender eines KI-Ser-vice zur Maschinenoptimierung dargestellt und m√∂glichen Anforderungen an ein Kon-zept zur Motivationssteigerung extrahiert.


Die Poster

Auslandaufenthalt in Scotland (M√ľller)

Auslandaufenthalt in Sevilla (Eissler)

Auslandaufenthalt in Sheffield (Bas & Dogan)

Auslandaufenthalt in Sheffield (Schirm)

Auslandaufenthalt in Valparaiso (Watolla & Erol)

Masterprojekt Virtual Reality Laboratory

Masterprojekt IOT

Masterprojekt CAMED

Masterprojekt NeueWelt9

Kooperationsprojekt mit Laura-Schradin Schule Reutlingen