Forschung

DeepFakes im Sicherheitssektor:

Deep Learning Methoden zur Generierung und Detektion von

• biometrischen/nutzerbezogenen Daten wie bspw. Gesichter, Fingerabrücke oder Sprache,
• Radardaten,
• Satellitenbildern,
• etc.

Industrial Data Science:

Am Lehrstuhl werden u.a. industrielle Systeme zur vollautomatisierten Erkennung von Material- und Oberflächenfehlern in Produkten mittels Deep Convolutional Neural Networks (mit-)entwickelt. Die Produkte, die damit zerstörungsfrei und zuverlässig geprüft werden können, reichen von

• Massengütern wie Schrauben über
• qualitativ hochwertige chirurgische Pflaster, 
• Batterien für die Automobilindustrie bis hin zu 
• Flugturbinen für den Einsatz in der zivilen Luftfahrt.

Das Spektrum der bildgebenden Systeme reicht von einfachen kostengünstigen Lichtkameras bis hin zu dreidimensionalen Computertomographen.

Medical Data Science:

In der Medizin und den Gesundheitswissenschaften werden am Lehrstuhl unterschiedliche Machine Learning Methoden in Expertensystemen angewendet, beispielsweise zur Entscheidungsunterstützung bei der Diagnose von spezifischen

• Herzkrankheiten,
• Frakturen,
• Augenkrankheiten oder in der 
• Krebs(früh)erkennung.

Darüber hinaus entwickeln wir maschinelle Lernverfahren zur hochauflösenden EEG-Spektralanalyse zur Erkennung spezifischer Erkrankungen des Gehirns weiter. 

Human-Computer Interaction:

Wir entwickeln maschinelle Lernverfahren, um spezifische Zustände von Anwendern wie bspw. Interesse, Konzentration, Arbeitsbelastung oder Stress auszuwerten.

Hierbei nutzen wir Biosignale aus

• Eye-Tracking,
• Elektroenzephalografie,
• Hautleitfähigkeitsmessungen, sowie der
• Sprach- und Videoanalyse.