Masterarbeit zu emergenten, breitenadaptiven Repräsentationen mittels räumlich gesteuertem Kanal-Routing (w/m/div.)
Summary
Research internship developing adaptive deep-learning models for autonomous vehicle perception, focusing on efficient Transformer architectures and spatial resource allocation in computer vision tasks.
Interessieren Sie sich dafür, neue Ansätze im Deep Learning und in der Computer Vision zu erforschen? Werden Sie Teil unseres Forschungsteams und gestalten Sie die Zukunft autonomer Wahrnehmungssysteme mit – bewerben Sie sich jetzt!
Sie entwickeln und implementieren eine neuartige und effiziente Transformer-Architektur für die Wahrnehmung im autonomen Fahren, die ihre Rechentiefe und -breite adaptiv anpasst. Im Rahmen der Evaluation des Ansatzes konzipieren und führen Sie Experimente durch, um die Modellleistung und Effizienz für zentrale Wahrnehmungsaufgaben wie semantische Segmentierung und Objekterkennung zu bewerten und die Ergebnisse mit mehreren Baseline-Modellen zu vergleichen.
Durch detaillierte Untersuchungen analysieren Sie emergente Netzwerkeigenschaften, einschließlich der Frage, wie Rechenressourcen auf unterschiedliche Bildregionen verteilt werden und wie sich interne Merkmalsrepräsentationen organisieren. Darüber hinaus tragen Sie zu Spitzenforschung an der Schnittstelle von Deep Learning, Computer Vision und autonomem Fahren bei – mit dem Ziel, sicherere und besser skalierbare Wahrnehmungssysteme zu entwickeln.
- Ausbildung: Masterstudium im Bereich Informatik, Ingenieurwesen, Naturwissenschaften oder eine vergleichbare Qualifikation mit guten Leistungen
- Erfahrung und Kenntnisse: Kenntnisse in Deep-Learning-Konzepten; Vertrautheit mit PyTorch; Programmierung in Python
- Persönlichkeit und Arbeitsweise: Sie sind kreativ, schätzen eine praxisorientierte Herangehensweise und passen sich schnell an neue Situationen an
- Arbeitsmodus: Ihre Anwesenheit vor Ort ist erforderlich
- Sprachen: Sehr gute Englischkenntnisse