Refine
Document Type
- Article (5)
- Study Thesis (2)
- Conference Proceeding (1)
- Other (1)
Has Fulltext
- yes (9) (remove)
Is part of the Bibliography
- yes (9) (remove)
Keywords
- Aussendarstellung (1)
- Bewegung (1)
- Computer (1)
- Computer Vision (1)
- DOAJ (1)
- EI (1)
- FHD (1)
- Fachbereich Elektrotechnik (1)
- Grid Observability (1)
- Informatik (1)
Department/institution
- Fachbereich - Elektro- & Informationstechnik (9) (remove)
Spatial precision and recall indices to assess the performance of instance segmentation algorithms
(2022)
The decarbonization of for example the energy or heat sector leads to the transformation of distribution grids. The expansion of decentralized energy resources and the integration of new consumers due to sector coupling (e.g. heat pumps or electric vehicles) into low voltage grids increases the need for grid expansion and usage of flexibilities in the grid. A high observability of the current grid status is needed to perform these tasks efficiently and effectively. Therefore, there is a need to increase the observability of low voltage grids by installing measurement technologies (e.g. smart meters). Multiple different measurement technologies are available for low voltage grids which can vary in their benefit to observation quality and their installation costs. Therefore, Bayernwerk Netz GmbH and E.DIS AG in cooperation with E-Bridge Consulting GmbH and the Institute for High Voltage Equipment and Grids, Digitalization and Energy Economics (IAEW) investigated the effectiveness of different strategies for the smartification of low voltage grids. This paper presents the methodology used for the investigation and exemplary results focusing on the impact of intelligent cable distribution cabinets and smart meters on the quality of the state estimation.
We present a novel metric Spatial Recall Index to assess the performance of machine-learning (ML) algorithms for automotive applications, focusing on where in the image which performance occurs. Typical metrics like intersection-over-union (IoU), precisionrecallcurves or average precision (AP) quantify the performance over a whole database of images, neglecting spatial performance variations. But as the optics of camera systems are spatially variable over the field of view, the performance of ML-based algorithms is also a function of space, which we show in simulation: A realistic objective lens based on a Cooke-triplet that exhibits typical optical aberrations like astigmatism and chromatic aberration, all variable over field, is modeled. The model is then applied to a subset of the BDD100k dataset with spatially-varying kernels. We then quantify local changes in the performance of the pre-trained Mask R-CNN algorithm. Our examples demonstrate the spatial dependence of the performance of ML-based algorithms from the optical quality over field, highlighting the need to take the spatial dimension into account when training ML-based algorithms, especially when looking forward to autonomous driving applications.
Das Landeskrebsregister (LKR) Nordrhein-Westfalen (NRW) erfasst Daten zu Krebserkrankungen von Patienten von Ärzten, Krankenhäusern, Pathologien und Meldeämtern aus ganz NRW um diese auszuwerten. Für die Auswertung müssen Daten, die den gleichen Patienten betreffen, zusammen- geführt werden. Zur Verknüpfung gibt es einen automatischen Record-Linkage Algorithmus, der aber bei ca. 5% aller Meldungen eine manuelle Entscheidung erfordert.
Um den Aufwand der manuellen Nachbearbeitung zu reduzieren, soll der Vorgang durch ein künstliches neuronales Netz automatisiert werden. Das künstliches neuronales Netz (KNN) soll mit dem LKR NRW vorliegenden Daten zu manuellen Entscheidungen trainiert werden. Dafür müssen die Daten vor der Verwendung umfangreich aufbereitet werden.
Das Ziel der Arbeit ist die Aufarbeitung und Aktualisierung eines vorliegenden Konzepts und die Implementierung eines Prototypen des Verfahrens. Der Prototyp soll in der Programmiersprache Java umgesetzt werden.
Die folgende Arbeit beginnt mit einer kurzen Einleitung über die Krankheit Krebs, das LKR NRW und KNN. Danach erläutere ich die Methodik, die sich mit und die Implementierung des Themas. In der Methodik erkläre ich was KNN sind und schneide ihre Funktionsweise an. Außerdem erkläre ich wie die Bereitstellung der Daten erfolgt und wie diese für das neuronale Netz verständlich aufbereitet werden. Zur Implementierung werde ich beschreiben was für eine Entwicklungsumgebung verwendet
wurde um das Projekt umzusetzen und wie das Programm umgesetzt wurde. Die Erklärung der Umsetzung besteht aus Unified Modeling Language (UML)-Diagrammen für die Datenaufbereitung und Code-Ausschnitte für die Konfiguration und Schnittstellen des KNN.
Das KNN konnte inklusive Datenaufbereitung erstellt werden und klassifiziert 94,4% der Fälle korrekt. Auf Grundlage dieser Arbeit kann das Projekt nachgebaut werden.
Das Projekt „Programmiere Dich fit: Koslar“ geht aus der Idee von Herrn Prof. Lux, Lehrender an der Hochschule Düsseldorf, hervor. Er hat bereits in einer unterrichtsähnlichen Form mit Kindern in programmiertechnischer Richtung gearbeitet und möchte diese Arbeit gerne um eine Projektarbeit an der Hochschule Düsseldorf ergänzen.
Der Kern des Projektes zielt dabei auf die Vermittlung von Programmierkenntnissen an Kinder im Alter zwischen 6 und 10 Jahren ab. Zwar soll das Programmieren an erster Stelle stehen, aber insbesondere für eine kindergerechte Vermittlung sollen körperliche Aktivitäten und Bewegungen berücksichtigt werden. In diesem Sinne erfolgt eine Verbindung der beiden zuvor genannten Themenfelder in einer Projektarbeit, die aktiv mit Schülerinnen und Schülern einer Grundschule durchgeführt werden soll. Um den sportlichen Aspekt besser bewerten und betreuen zu können, wird die Ausführung in Zusammenarbeit mit Herr Schmitz als Geschäftsführer des Kreissportbund Düren (KSB Düren e.V.) ablaufen. Herr Schmitz wird in dieser Projektarbeit von Herrn Sebastian Lieberth, der für den Bereich des betrieblichen Gesundheitsmanagement im KSB Düren zuständig ist, unterstützt.
Herr Lux arbeitet an der Hochschule Düsseldorf mit Herrn Prof. Michels aus dem Fachbereich Sozial- und Kulturwissenschaften zusammen, um in Bezug auf die kindergerechte Vermittlung einen Vertreter zu haben. Zur Abrundung der Fachkenntnisse nehmen zusätzlich zwei Studentinnen der Hochschule Düsseldorf am Projekt teil. Unterstützung finden beide Professoren durch jeweils einen Studierenden Ihrer Themengebiete. Herr Prof. Michels wird von Frau Preissegger aus dem Fachbereich Sozial- und Kulturwissenschaften unterstützt. Frau Preissegger befindet sich im sechsten Semester und möchte auf dieses Projekt aufbauend ihre Thesis im Wintersemester schreiben. Herr Prof. Lux erhält Unterstützung durch Frau Gramsch aus dem Fachbereich Maschinenbau und Verfahrenstechnik. Sie befindet sich ebenfalls im sechsten Semester und führt dieses Projekt im Rahmen eines Wahlfaches durch.
Fachbereich Elektrotechnik
(2003)