Effektivität der automatischen Variation von Kameraparametern als Data Augmentation beim Training neuronaler Netze

Abstract

Diese Arbeit untersucht, ob die automatische Variation von Kameraparametern mithilfe einer Sequencer-Funktion eine effektive Alternative zur softwarebasierten Data Augmentation für das Training neuronaler Netze darstellt. Ziel ist es, die Effizienz dieses Ansatzes zu bewerten und sein Potential für industrielle Anwendungen aufzuzeigen.

This thesis investigates whether the automatic variation of camera parameters using a sequencer function is an effective alternative to software-based data augmentation for training neural networks. The aim is to evaluate the efficiency of this approach and to demonstrate its potential for industrial applications.