Problembeschreibung

Die automatisierte Umgebungserfassung und -klassifizierung im Verkehrssektor auf Basis von Video-Daten wird durch die Fortschritte im Bereich Deep Learning immer breiter und kostengünstiger anwendbar. Die automatisierte Umgebungserfassung und -klassifizierung im Verkehrssektor auf Basis von Video-Daten wird durch die Fortschritte im Bereich Deep Learning immer breiter und kostengünstiger anwendbar.

Ein Haupthindernis in der Anwendung von KI-Verfahren ist jedoch die Schwierigkeit, annotierte Beispieldaten zum Training der Deep Learning Modelle in ausreichender Qualität und Menge zur Verfügung zu stellen.

Ziel des Projektes war, die Experten-Annotation von Videos effizienter zu machen, damit das Potenzial von Video-Daten im Verkehrsbereich erschlossen werden kann. Durch den Fokus auf Beispieldaten aus dem Verkehrssektor wurden die Grundlagen für eine automatische und kosteneffiziente Umgebungserfassung und -klassifizierung im Verkehrsbereich gelegt.

Ergebnisse und Wirkungen

In dem Projektrahmen und Projektvolumen wurden repräsentative Anwendungsfälle im Verkehrsbereich, wie gemischter motorisierter Verkehr, ausgewählt. Anhand dieser Beispiele wurde schrittweise die Annotations-Software entwickelt und geprüft, in welche Teilaufgaben sich der Annotations-Vorgang zerlegen lässt, um dem Anwender eine bestmögliche Annotations-Umgebung zu schaffen.

Die Zusammenarbeit mit potenziellen Anwendern garantiert, dass die Software die Anforderungen an Benutzerfreundlichkeit (Usability) erfüllt. Hierbei waren z.B. Fragestellungen zur Gestaltung der Benutzerschnittstelle (User Interface) relevant.

Die Entwicklung als Open Source Software stellt sicher, dass die Ergebnisse für die Öffentlichkeit zur Verfügung stehen und angewendet werden können.