Seite 4: Fazit

Inhaltsverzeichnis

Deep Learning hat zu einem regelrechten Paradigmenwechsel im Bereich des maschinellen Lernens geführt. Trotz aller technischen und auch juristischen Hürden, ist abzusehen, dass Deep Learning Einzug in die Serienentwicklung von Fahrerassistenzsystemen findet. Der heutige Erfolg von Deep Learning lässt sich vor allem durch das Zusammenspiel folgender Punkte erklären:

1. Verfügbarkeit einer Vielzahl an Sensordaten, mit denen der Algorithmus antrainiert werden kann,
2. neuartige Hardware, wie GPUs, die das Lernen großer Netzwerke ermöglicht,
3. Fortschritte in der Erforschung neuer Methoden.

Um den robusten Serieneinsatz im Automobil zu gewährleisten, wird eine Kombination von in der Praxis bereits bewährter Machine-Learning-Algorithmen sowie neuartiger Deep-Learning-Methoden ein wichtiger – vielleicht sogar entscheidender – Faktor sein.

Dr. Florian Baumann
ist Technischer Direktor der ADASENS Automotive GmbH. Er lenkt die technische Forschung und Entwicklung und ist für die strategische Ausrichtung der Firma verantwortlich. Florian Baumann promovierte im Forschungsbereich Maschineller Lernverfahren und hat über 20 Publikationen in diesem Themengebiet verfasst.

Dr. David Hafner
promovierte im Bereich der mathematischen Bildverarbeitung an der Universität des Saarlandes. Seit 2016 ist er Mitarbeiter bei der ADASENS Automotive GmbH und dort als Technical Lead für den Bereich Computer Vision tätig.

Robin Lehmann
arbeitet als Machine Learning Ingenieur bei der ADASENS Automotive GmbH. Er entwickelt Algorithmen mit und ohne Machine Learning für Spiegelersatz-Systeme und Rückfahrkameras. In seiner Freizeit arbeitet er an Services für den dezentralen Machine-Learning-Marktplatz der Zukunft – SingularityNET. (rme)