Masterand (m/w/d) zum Thema Radarbasiertes Deep Learning auf FPGA-Architekturen

  • Bestehende Netzwerke zur 3D-Objekterkennung auf Punktwolken (Lidar oder Radar) sind rechen- und speicherintensiv und laufen auf Hochleistungs-GPUs.
  • Durch die Portierung dieser Algorithmen auf FPGA wird der Stromverbrauch gesenkt, es wird jedoch noch kein zufriedenstellender Kompromiss zwischen Genauigkeit und Echtzeitfähigkeit erzielt.
  • Der Schwerpunkt dieser Arbeit liegt auf der Erforschung und Entwicklung von Deep-Learning-Methoden, mit denen 3D Objekterkennungsalgorithmen in Echtzeit und unter Beibehaltung ihrer Genauigkeit erstellt werden.
  • Nutzung der neuesten Forschungsergebnisse für light-weight networks, pruning, discretization, ...

Ihre Aufgaben:

  • Ermitteln von vielversprechende Netzwerkarchitekturen und -techniken, um die Echtzeiterkennung von 3D-Objekten auf FPGA-Plattformen zu ermöglichen
  • Anpassen, Erstellen, Trainieren und Verbessern von Deep-Learning-Algorithmen für 3D-Radardaten im Kontext des autonomen Fahrens
  • Portierung vorhandener und eigener Netzwerkarchitekturen mit vorhandenen ML-Compilern auf FPGA
  • Durchführung systematischer Auswertungen

Ihr Profil:

  • Starke mathematische und analytische Fähigkeiten
  • Gute Programmierkenntnisse in Python und / oder C ++
  • Erfahrung mit mindestens einem Deep Learning Framework: PyTorch oder TensorFlow
  • Erfahrung mit Bildverarbeitung und Technologien für maschinelles Lernen
  • Erfahrung mit FPGA-Plattformen

 

Ihr Ansprechpartner:

Isabell Sachs    
Postfach 1248
85521 Ottobrunn

bewerbungen@astyx.de

Wir verwenden Cookies. Mit der weiteren Nutzung unserer Seite stimmen Sie dem zu. Details und Widerspruchsmöglichkeiten finden Sie in unserer Datenschutzerklärung.