Low Shot / Zero Shot Classification Techniques

Beschreibung

• Kontakt: bewerbung@cyberagentur.de
• Qualitativ hochwertige Daten bilden die Grundlage für effiziente Machine Learning Algorithmen. Jedoch stehen solche Daten nicht immer in der benötigten Menge zur Verfügung.
• Zudem kann die Beschaffung der entsprechenden Datenbestände ein sehr zeit- und ressourceneffizienter Prozess sein.
• Um dennoch flexible und ressourceneffiziente Machine Learning-Modelle zu entwickeln, existieren Lernverfahren, die es ermöglichen, mit nur wenigen Datenbeispielen (z.B. Bilder, Videos, Textbausteine) vielversprechende Ergebnisse zu erzielen.
• Solche Lernverfahren werden auch als Low-Shot Verfahren bezeichnet und zeichnen sich durch einen datensparenden Trainingsprozess aus.
• Im Rahmen einer Masterarbeit soll untersucht werden, inwieweit Low-Shot-Lernverfahren (Few-Shot, Zero-Shot und/ oder In-Context-Learning) für Klassifikationsaufgaben in sicherheitsrelevanten Kontexten genutzt werden können.
• Dazu soll der aktuelle Stand der Forschung in diesem Bereich untersucht und beschrieben, sowie verschiedene Low-Shot Klassifikationstechniken gegenübergestellt und ein Prototyp entwickelt werden, der als Demonstrator für Klassifikationsaufgaben genutzt werden kann.
• Grundlage des angewandten Teils der Masterarbeit ist ein Datensatz, welcher Bilddaten unterschiedlicher Klassen militärischer Fahrzeuge umfasst und für eine exemplarische Implementierung der erarbeiteten Verfahren genutzt werden kann.