Daniel Ahlers studierte Elektrotechnik an der Technischen Universität Hamburg in Verbindung mit einem Dualen Studium. In seiner Fachrichtung Nachrichtentechnik hat er sich auf Audio- und Video-Übertragung sowie Multimedia-Signalverarbeitung spezialisiert.
Seit 2019 ist er wissenschaftlicher Mitarbeiter an der Professur für Allgemeine Nachrichtentechnik an der Helmut-Schmidt-Universität und beschäftigt sich mit Mehrobjekterkennung auf Videostreams mithilfe von Machine Learning.
Forschungsthemen
- Objekterkennung
- Datensatzerzeugung und -analyse
- Machine Learning
Lehre
- Multimedia-Signalverarbeitung (Übung)
Betreute Abschlussarbeiten
Roman Carillo – „Optimization of a convolutional neural network for multi-object detection“, Masterarbeit
Michael Mötje – „Implementierung eines Low-Latency Videocodecs zur Echtzeitübertragung“, Masterarbeit
Paul Knauth – „Creating a dataset with public camera streams for multi object detection in maritime environments“, Bachelorarbeit
Michael Mötje – „Simulation und Analyse von Bildkompression auf Basis des JPEG-Standards“, Studienarbeit
Prathima Krishna Subramanian – „Analysis to accelerate image labeling using CNN based object detectors“, Masterarbeit
Song Son Ha – „Study on real-time multi-object tracking on maritime video sequences“, Masterarbeit
Song Son Ha – „Entwicklung und Analyse eines Faltungsnetzes zur Klassifizierung von 2D ShapeNet Bildern“, Studienarbeit
Publikationen
P. Bhattacharya, P. Nowak, D. Ahlers, U. Zölzer: “A Dataset of Infrared Images for Deep Learning based Drone Detection”, in 17th International Conference on Signal-Image Technology & Internet-Based Systems (SITIS), Bangkok, Thailand, 8-10 November, 2023
D. Ahlers, P. Bhattacharya, P. Nowak, U. Zölzer: “Shore Livecams: A Maritime Dataset for Deep Learning based Object Detection”, in 17th International Conference on Signal-Image Technology & Internet-Based Systems (SITIS), Bangkok, Thailand, 8-10 November, 2023
P. Bhattacharya, P. Nowak, D. Ahlers, M. Holters, U. Zölzer: „CNN based Drone Detection in Infrared Images“, in dtec. bw – Band 1, Hamburg, Deutschland, 2022
Digital Audio Signal Processing, 3rd Edition, Ch. 5, J. Wiley & Sons, 2022
Letzte Änderung: 13. November 2023