Mitarbeiter am Lehrstuhl

Thomas Germer, M.Sc.

Email:
Thomas.Germer@hhu.de
Telefon:0211/81-15184
Raum:25.12.02.32
Heinrich-Heine-Universität Düsseldorf
Institut für Informatik
Datenbanken und Informationssysteme
Universitätsstr. 1
D-40225 Düsseldorf, Germany

Publikationen

Laufende Projekte

Forschungsinteressen

  • Image Processing
  • Computer Vision
  • Computer Graphics
  • Machine Learning
  • Nearest Neighbor Search in Multidimensional Data

Offene Bachelor-/Projekt-/Masterarbeitsthemen

  • Comparison of Parallel Preconditioning Methods for Sparse Laplacian Matrices (Affinitätsbasierte Alpha-Matting-Verfahren wie beispielsweise Closed-Form Matting oder KNN Matting stellen ein Gleichungssystem mit einer großen, dünnbesetzten Laplace-Matrix auf. Um dieses Gleichungssystem zu lösen wird häufig das Verfahren der konjugierten Gradienten in Verbindung mit Vorkonditionierung angewendet. In dieser Arbeit sollen parallele Verfahren zur Vorkonditionierung recherchiert und verglichen werden.)
  • Implementation of an AI-based code completion plugin for the Geany editor (Recently, a language server protocol plugin has been implemented. Based on this, a plugin should be developed which enables AI-based code completion with various large language models for the Geany editor.
  • Fine-tuning Large Language Models for Vectorization (Es hat sich gezeigt, dass LLMs wie beispielsweise ChatGPT in der Lage sind, Code zu vektorisieren, d.h. Code mit For-Schleifen in Array-Operationen mit bspw. NumPy zu übersetzen. In dieser Arbeit soll 1. analysiert werden inwiefern Open Source LLMs diese Fähigkeit besitzen und 2. zu welchem Grade diese Fähigkeiten mit Hilfe von Fine-Tuning gesteigert werden können. Um den Speicherbedarf gering zu halten empfiehlt sich hier Low-Rank Adaptation (LoRA).)
  • Automatic Test Generation With Large Language Models (LLMs sind sehr gut darin, Lösungen für bestimmte Probleme auf Basis von Textanfragen zu generieren, aber wie gut sind sie darin, Tests zu generieren? Und decken diese Tests alle Sonderfälle ab? Lässt sich dies vielleicht durch geschicktes Prompting oder Fine-Tuning verbessern?

Themen in Bearbeitung

  • Masterarbeit: Untersuchung Zirkulierender Tumorzellen mithilfe von Maschinellem Lernen
  • Masterarbeit: Selbstüberwachtes Lernen für Alpha Matting
  • Projektarbeit: Implementierung von "Three-layer graph framework with the sumD feature for alpha matting" in Python
  • Projektarbeit: Alpha Matting With Other Inputs Than Trimaps (Bei diesem Thema soll untersucht werden, ob im Gegensatz zu trinären Segmentierungen (Vordergrund, Hintergrund, Unbekannt) auch binäre Segmentierungen (Ungefährer Vordergrund, ungefährer Hintergrund) oder vielleicht sogar vollautomatisch generierten Depth Maps (zum Beispiel mit MiDaS) geeignet sind. 1. Einführung in Alpha Matting. 2. Alpha Matting mit neuronalen Netzwerken.)
  • Projektarbeit: Image Segmentation for a Lawn Mower Roboter In dieser Arbeit wird die Verwendung von Bildsegmentierung im Zusammenhang von Rasenmährobotern untersucht.
  • Projektarbeit: Alpha Matting with Transformers

Abgeschlossene Themen

  • Projektarbeit: Comparison of Methods for Self-Supervised Learning (Methoden im Bereich "Self-Supervised Learning" wie zum Beispiel https://github.com/vturrisi/solo-learn/ erfreuen sich in letzter Zeit einer wachsenden Beliebtheit. Ziel dieser Arbeit ist es, diese Methode auf verschiedene Eigenschaften zu untersuchen, wie zum Beispiel Laufzeit und Speicherbedarf im Zusammenhang mit Genauigkeit.)
  • Bachelorarbeit: Verbesserter Bildmatting-Algorithmus mittels lokaler und nichtlokaler Nachbarn: Eine K-NN-basierte Farbmodellierung
  • Bachelorarbeit: Leveraging Deep Learning to Predict Time-to-Peak in Stroke Patients from Limited CT Imaging Data (Bei der Behandlung eines Schlaganfalls ist es notwendig zu wissen, welche Gehirnareale wie stark betroffen sind. Dazu wird dem Patienten ein Kontrastmittel gespritzt. Auf einem CT-Scan kann nachverfolgt werden, wie lange es dauert, bis dieses Kontrastmittel im Gehirn ankommt und wieder abgeführt wird, was Rückschlüsse über Schäden durch den Schlaganfall zulässt. Diese Scans werden zur Zeit für mehrere Scheiben des Gehirns angefertigt, was für den Patienten aber eine hohe Belastung durch radioaktive Strahlung bedeutet. Besonders wichtig ist hierbei der Tmax-Wert. In dieser Arbeit soll untersucht werden, inwiefern es möglich ist, diesen Wert aus einer einzigen Messung einer mittleren Gehirnscheibe für andere Gehirnscheiben vorherzusagen, zum Beispiel mit Hilfe von maschinellem Lernen. Die folgende Video-Reihe aus drei Videos erklärt die medizinischen Hintergründe: https://www.youtube.com/watch?v=zBJE51AalXw)
  • Bachelorarbeit: Ausrichtung von CT-Aufnahmen (Zur weiteren Verarbeitung müssen Serien von CT-Aufnahmen aneinander ausgerichtet werden. In dieser Arbeit soll ein Maß für die Qualität der Ausrichtungen gefunden und mehrere Verfahren in Hinsicht auf Genauigkeit und Laufzeit evaluiert werden.)
  • Bachelorarbeit: Analysis of Spatial Image Decomposition Methods for Alpha Matting (Affinitätsbasierte Alpha-Matting-Verfahren wie beispielsweise Closed-Form Matting oder KNN Matting haben einen hohen Speicherbedarf. Durch geschickte Zerlegung der zu verarbeitenden Bilder kann der Speicherbedarf reduziert werden, wie gezeigt in den Arbeiten von He oder Cao. In dieser Arbeit sollen verschiedene Zerlegungsverfahren in Hinsicht auf Speicherbedarf, Laufzeit und Qualität analysiert werden.)
  • Bachelorarbeit: Automatische Trimap-Vervollständigung mit Hilfe von maschinellem Lernen
  • Bachelorarbeit: Untersuchung und sichere Erkennung von „Undefiniertem Verhalten“ beim Speicherzugriff durch Entwicklung eines Interpreters
  • Bachelorarbeit: Vergleich von heuristischen Verfahren zur Optimierung von Join-Abfragen in relationalen Datenbanken
  • Projektarbeit: Untersuchung von Bildvorverarbeitungsmethoden für endoskopische Videos
  • Projektarbeit: Visual Sentiment Prediction Ziel dieser Arbeit ist die Vorhersage von "Sentiment" in Bildern, basierend auf https://www.ee.columbia.edu/ln/dvmm/vso/download/flickr_dataset.html.
  • Projektarbeit: Entfernung von Störelementen in medizinischen Operationsaufnahmen
  • Bachelorarbeit: A Survey of Weak Public Keys (Einige Code-Hosting-Webseiten veröffentlichen "öffentliche" Schlüssel, sodass diese frei zugänglich sind. In dieser Arbeit soll untersucht werden, ob diese Schlüssel schwächen aufweisen, wie zum Beispiel in der Arbeit Mining Your Ps and Qs: Detection of Widespread Weak Keys in Network Devices beschrieben.)
  • Bachelorarbeit: Comparison of Methods for Approximate Nearest Neighbor Search on Image Processing Datasets (Vergleich von Verfahren zur approximativen Suche von nächsten Nachbarn auf Datensätzen aus der Bildverarbeitung - Für andere Datensätze gibt es bereits ein bekanntes Benchmark. Neben einer quantitativen Auswertung ist hier auch eine qualitative Auswertung interessant. Es soll also nicht nur die Frage beantwortet werden, welche Verfahren gut sind, sondern auch warum. Relevante Arbeiten in diesem Bereich sind zum Beispiel Hierarchical Navigable Small World Graphs und Anisotropic Vector Quantization.)
  • Bachelorarbeit: Implementation and Comparison of Subspace Clustering Methods (Implementierung und Vergleich von SUBCLU und FIRES).
  • Bachelorarbeit: How Do Neural Networks for Image Segmentation Work? (Für neuronale Netzwerke zur Klassifizierung von Bildern gibt es eine Vielzahl von Verfahren zur Visualisierung und Bewertung von Featurn ([1], [2]). In dieser Arbeit soll recherchiert werden, ob es vergleichbare Verfahren für neuronale Netzwerke zur Segmentierung von Bildern gibt, inwiefern bekannte Verfahren für Segmentierungsnetzwerke erweitert werden können, und neue Verfahren entwickelt und evaluiert werden. Als Grundlage für solche Netzwerke bieten sich zum Beispiel U²-Net oder IndexNet an, aber auch andere Netzwerke wären denkbar.
  • Bachelorarbeit: Comparison of Methods for Line Segment Intersection (Das Finden von Schnittpunkten von einer Menge von Liniensegmenten ist bei der Verarbeitung von räumlichen Daten in Geodatenbanken ein wichtiges Problem. In dieser Arbeit sollen Verfahren effizient implementiert und auf verschiedenen Datensätzen verglichen werden. Besonderes Interesse gilt hierbei der Methode von Balaban.) Die Veranstaltung "Algorithmische Geometrie" ist empfehlenswert.
  • Bachelorarbeit: Influence of Quantization on Neural Networks With Continuous Outputs (Zur praktischen Anwendung von neuronalen Netzwerken auf leistungsschwacher Hardware ist es oft notwendig, Gewichte und Zwischenergebnisse zu quantisieren. Bei Netzwerken zur Klassifikation erzielt dies gute Ergebnisse, aber wie verhält es sich zum Beispiel mit Netzwerken zur Bildgenerierung?)
  • Bachelorarbeit: Development of an Image-Based Internet Application for Recipe Search (Entwicklung einer bildbasierten Internetanwendung zur Rezeptsuche.)
  • Bachelorarbeit: Trimap Generation for Alpha Matting (Hier soll untersucht werden, welchen Einfluss die Qualität einer Trimap auf verschiedene Alpha Matting-Verfahren hat und inwiefern diese automatisch aus anderen Segmentierungsverfahren generiert werden können.)
  • Bachelorarbeit: Exfiltrating Data From Air-Gapped Computers Through Side Channels ("Coil whine" als Seitenkanalattacke, siehe Air-Gap Research Page für ähnliche Themen)
  • Bachelorarbeit: An Interactive Alpha Matting Tool (Entwicklung eines interaktiven Alpha Matting Programms)
  • Bachelorarbeit: Extending the Pymatting Library (Implementierung von Alpha Matting Verfahren, z.B. Sparse Coding for Alpha Matting. Für eine Übersicht über Alpha Matting Methoden siehe die Alpha Matting Evaluation Website)

Lehre

Zurück zur Übersicht

Heinrich Heine Universität

Datenbanken und Informationssysteme

Lehrstuhlinhaber

Prof. Dr. Stefan Conrad


Universitätsstr. 1
40225 Düsseldorf
Gebäude: 25.12
Etage/Raum: 02.24
Tel.: +49 211 81-14088

Sekretariat

Lisa Lorenz



Universitätsstr. 1
40225 Düsseldorf
Gebäude: 25.12
Etage/Raum: 02.22
Tel.: +49 211 81-11312
Verantwortlich für den Inhalt:  E-Mail senden Datenbanken & Informationssysteme