Computer Vision, Perception and Cognition Group
«KI ist DIE Schlüsseltechnologie des digitalen Wandels in allen Branchen und Sektoren und sie hat starke Auswirkungen auf unsere Gesellschaften. Darum leistet unsere Forschung wichtige Beiträge zu robusten und vertrauenswürdigen KI-Methoden, und wir vermitteln mit Begeisterung deren sichere Umsetzung und Anwendung.»
Expertise
- Mustererkennung mit Deep Learning
- Maschinelle Wahrnehmung, Computer Vision und Sprechererkennung
- Entwicklung neuronaler Systeme
Die Computer Vision, Perception and Cognition-Gruppe forscht über Mustererkennung und arbeitet an einer Vielzahl von Aufgaben mit Bild-, Ton- oder allgemein Signaldaten. Wir befassen uns mit der Methodik der tiefen neuronalen Netze (Deep Neural Networks) und des Reinforcement Learning, inspiriert durch biologisches Lernen. Jede unserer Aufgaben hat ihr eigenes Lernziel (z. B. Erkennung, Klassifizierung, Clustering, Segmentierung, Novelty Detection, Steuerung) und ihren eigenen Anwendungsfall (z. B. vorausschauende Instandhaltung (Predictive Maintenance), Sprechererkennung für Multimedia-Indizierung, Dokumentanalyse, optische Notenerkennung, Computer Vision für industrielle Qualitätskontrolle, automatisiertes maschinelles Lernen, Deep Reinforcement Learning für automatisierte Spiele oder Gebäudeleittechnik). Diese werfen ihrerseits ein Licht auf verschiedene Aspekte des Lernprozesses. Wir nutzen diese Erfahrungen, um allgemeinere KI-Systeme zu kreieren, die auf neuronalen Architekturen basieren.
Angebote
- Einblick: Keynotes, Trainings
- KI-Beratung: Workshops, Expertenunterstützung, Beratung, Technikfolgenabschätzung
- Forschung und Entwicklung: kleine bis grosse Gemeinschaftsprojekte, Drittmittelforschung, studentische Projekte, praxiserprobte Prototypen
Team
Head of Research Group
Projekte
-
Complexity 4.0
Das Projekt Complexity 4.0 adressiert das Management der Komplexität globaler Wertschöpfungssysteme (inkl. der Betrachtung der Rolle von Produkt- und Produktionsarchitekturen) im Kontext von Industrie 4.0. Im Rahmen des interdisziplinären Forschungsprojektes des ITEM-HSG und der ZHAW werden Methoden und Konzepte ...
-
PANOPTES
Das neue Produkt "Real Time Print Media Monitoring" von ARGUS DATA INSIGHTS Schweiz AG ist eine automatisierte Pipeline, die relevante Artikel in Printmedien identifiziert, extrahiert, und den Kunden in Echtzeit zustellt. Grundlage für das Produkt ist eine automatische Segmentierung von ganzen Zeitungsseiten in ...
-
DaCoMo - Data-Driven Condition Monitoring
The goal of DaCoMo is to develop a novel, totally data driven process for predictive maintenance which needs no prior knowledge of the machine itself or its components in order to detect and predict faults. This increases the efficiency of the service: neither frequency spectra need to be input nor visually ...
-
iisiBox - Easy access to educational servers.
Die ZHAW bildet in den Studiengängen Informatik und Wirtschaftsingenieurwesen angehende Data Scientists sowie Data Warehousing (DWH) / Business Intelligence (BI) Spezialisten aus. Entsprechende Kursangebote benötigen eine leistungsfähige IT-Infrastruktur (Hard- und Software) für die Durchführung kursbegleitender ...
-
MobileMall
Die Applikation "TROFFY" bringt das lokale Gewerbe ins 21. Jh.: Mittels intelligenter Analyse und Aufbereitung von Nutzerdaten werden Anbieter und Konsumenten einer Stadt einander näher gebracht. Präsentation von Angeboten passend zu den Bedürfnissen der Konsumente Suche von Angeboten unter Berücksichtigung von ...
-
SODES: Swiss Open Data Exploration System
In den letzten Jahren haben nationale und internationale Institutionen, Regierungen und NGOs große Datenmengen öffentlich zugänglich gemacht: Es gibt buchstäblich Tausende von offenen Datenquellen, mit Temperaturmessungen, Börsenkursen, Bevölkerungs- und Einkommensstatistiken etc. Die meisten offenen Datensätze ...
-
Talkalyzer
Ziel dieses Projektes ist, einen Demonstrator in Form einer Android-App zu entwickeln, welcher die Redeanteile zweier Gesprächspartner in Echtzeit visualisieren kann. Damit soll es z.B. einem Vorgesetzten möglich sein zu erkennen, ob er in einem Mitarbeitergespräch zu viel redet oder ob das Gespräch ausgeglichen ...
Publikationen
-
Meierhofer, Jürg; Stadelmann, Thilo; Cieliebak, Mark,
2019.
.
In:
Braschler, Martin; Stadelmann, Thilo; Stockinger, Kurt, Hrsg.,
Applied data science : lessons learned for the data-driven business.
Cham:
Springer.
S. 47-61.
Verfügbar unter: https://doi.org/10.1007/978-3-030-11821-1_4
-
Amirian, Mohammadreza; Rombach, Katharina; Tuggener, Lukas; Schilling, Frank-Peter; Stadelmann, Thilo,
2019.
Efficient deep CNNs for cross-modal automated computer vision under time and space constraints [Paper].
In:
ECML-PKDD 2019, Würzburg, Germany, 16-19 September 2019.
ZHAW Zürcher Hochschule für Angewandte Wissenschaften.
Verfügbar unter: https://doi.org/10.21256/zhaw-18357
-
Hollenstein, Lukas; Lichtensteiger, Lukas; Stadelmann, Thilo; Amirian, Mohammadreza; Budde, Lukas; Meierhofer, Jürg; Füchslin, Rudolf Marcel; Friedli, Thomas,
2019.
Unsupervised learning and simulation for complexity management in business operations
.
In:
Braschler, Martin; Stadelmann, Thilo; Stockinger, Kurt, Hrsg.,
Applied data science : lessons learned for the data-driven business.
Cham:
Springer.
S. 313-331.
Verfügbar unter: https://doi.org/10.1007/978-3-030-11821-1_17
-
Elezi, Ismail; Tuggener, Lukas; Pelillo, Marcello; Stadelmann, Thilo,
2018.
DeepScores and Deep Watershed Detection : current state and open issues [Paper].
In:
Proceedings of the 1st International Workshop on Reading Music Systems.
1st International Workshop on Reading Music Systems at ISMIR 2018, Paris, France, 20 September 2018.
Paris:
Society for Music Information Retrieval.
S. 13-14.
Verfügbar unter: https://doi.org/10.21256/zhaw-4777
-
Stadelmann, Thilo; Glinski-Haefeli, Sebastian; Gerber, Patrick; Dürr, Oliver,
2018.
Capturing suprasegmental features of a voice with RNNs for improved speaker clustering [Paper].
In:
Proceedings of the 8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR).
8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR), Siena, Italy, 19-21 September 2018.
IAPR.
S. 333-345.
Lecture Notes in Computer Science ; 11081.
Verfügbar unter: https://doi.org/10.1007/978-3-319-99978-4_26