Wöchentlicher Fortschrittsbericht
- Dokumentieren Sie, was Sie in der Woche geschafft haben.
- Diskutieren und Planen Sie mit Prof. Schneider die Folgewoche.
Write down, what you did and what you want to do next week. Diskuss this in the weekly meeting with Prof. Schneider
| # |
Datum |
Plan für die Woche |
Fortschritt
|
| 1 |
24.11.2025 |
- Laden Sie in der GUI eine Vorauswahl.
- Speichern Sie Zwischenergebnisse, so dass Sie mit einem Zwischenschritt starten können.
- Setzen Sie die Grader Aufgaben im Kurs Image Processing with MATLAB klassisch und mit KI um.
- Arbeiten Sie die Vor- und Nachteile der KI-Lösung heraus.
|
- Wir haben beschlossen, den Wochenplan arbeitsteilig umzusetzen, um einen effizienteren Fortschritt zu erzielen. Fabian Babik übernahm die ersten beiden Punkte, während Adrian Klinspon sich auf die neu hinzukommenden Themen konzentriert hat.
- Die GUI wurde um eine Vorauswahl bzw. ein Hauptmenü erweitert. (Fabian Babik)
- Es ist nun möglich, mit jedem beliebigen Zwischenschritt weiterzuarbeiten. Empfohlene Schritte wurden klar hervorgehoben. (Fabian Babik)
- Die KI zur Rauschentfernung liefert bereits solide Ergebnisse für die trainierten Bilddatensätze. Dennoch erfolgt weiterhin eine Optimierung, um eine bestmögliche Leistungsfähigkeit zu erreichen. (Adrian Klinspon)
- Eine abschließende Bewertung der Vor- und Nachteile ist derzeit noch nicht möglich, da die KI-Implementierung noch nicht vollständig abgeschlossen ist. (Adrian Klinspon)
- Weiters: Aufgabe 1 und 2) Im Hauptmenü stehen nun folgende Optionen zur Auswahl: Neu KI trainieren (ausführliche Version), Neue KI trainieren (Shortcut), Fertige KI weitertrainieren, Mit einem Zwischenschritt starten, KI Live Detection sowie Quellen. Allerdings sind noch nicht alle Funktionen vollständig implementiert (fertig sind: Neue KI trainieren – ausführliche Version, Fertige KI weitertrainieren, Mit einem Zwischenschritt starten). Ich wollte Sie an dieser Stelle überraschen, da ich Ihr konstruktives Feedback aus dem letzten Gespräch reflektiert habe und inzwischen ebenfalls der Ansicht bin, dass ein Weitertrainieren einer bestehenden KI sinnvoll ist. Der entsprechende Code funktioniert grundsätzlich; die Ergebnisse sind solide. Allerdings zeigt sich bei häufigem Umlernen ein allmähliches Vergessen zuvor gelernter Inhalte (wahrscheinlich Catastrophic Forgetting). Wie wir dieses Problem adressieren, müssen wir noch evaluieren. Vorerst würden wir dieses Thema zurückstellen und den Fokus auf die Arbeit von Adrian Klinspon richten, der sich intensiv mit der KI-basierten Rauschentfernung auseinandergesetzt hat.
- Resumee: Unser nächster Schwerpunkt liegt auf der Optimierung des Codes für die Rauschfilter-KI. Zudem ergänzen wir die Analyse der Vor- und Nachteile. Falls zeitliche Ressourcen bleiben, planen wir zum YOLO-Detektor zurückzukehren, dessen Weitertrainieren zu verbessern und die noch fehlenden Menü-Optionen zu implementieren.
|