Masterarbeit – Machine Learning / AI für Baupläne

Link zur Ausschreibung auf der Ruhr Universität Bochum Website: https://www.inf.bi.ruhr-uni-bochum.de/iib/lehre/themen.html.de

Die Technische Gebäudeausrüstung (TGA) umfasst alle in einem Gebäude eingebauten technischen Anlagen, die der funktionalen Nutzung des Gebäudes dienen, den Wohnkomfort erhöhen oder Sicherheitsbestimmungen erfüllen. Die Installation von TGA wird aufgrund des technologischen Fortschritts immer komplexer. Um Zeit- und Ressourcenmanagement besser planbar und überwachbar zu machen, entwickelt CENDAS, ein junges Start-Up aus Bochum, digitale Lösungen zur Echtzeit-Dokumentation des Baustellenfortschritts. 

 

Diese Pläne enthalten z. B. Symbole für TGA-Komponenten, die automatisch erkannt werden sollen. Um ein Deep Learning-basiertes Erkennungsverfahren zu entwickeln, bedarf es konsistent annotierten Trainingsdaten, die jedoch zurzeit nur teilweise vorliegen. Die Hauptaufgabe dieser Masterarbeit besteht darin, ein Konzept zu entwickeln und zu implementieren, um inkonsistent gelabelte Trainingsdaten für die automatische Symbolerkennung in TGA-Plänen zu vereinheitlichen und damit nutzbar zu machen. Der Fokus liegt darauf, Bildschnipsel mit Symbolen zunächst mit unüberwachten (unsupervised) Lernverfahren zu gruppieren, um anschließend ein Objektdetektionsmodell zu trainieren.

 

• Einarbeitung in die Thematik der Deep Learning-basierten Computer Vision, insb. Objektdetektion

und Clustering-Algorithmen

• Implementieren mindestens eines Clustering-Algorithmus für die Trainingsdaten

• Training eines YOLO-Objektdetektionsmodells mit den aufbereiteten Daten

• Diskussion und Evaluation der entstandenen Methodik

 

• Sehr gute Programmierkenntnisse, insbesondere in Python

• Optional: Vorkenntnisse in Machine Learning und Bildverarbeitung

 

Ansprechpartner: 
• Phillip Schönfelder, M.Sc. -> phillip.schoenfelder@rub.de
•  Alex Zinelis -> a.zinelis@cendas.net