Alen Smajic

Entwicklung von Computer Vision Systemen für die Innenraumsensorik und das autonome Fahren.

- Forschung zu leistungsbegrenzenden Faktoren von tiefen neuronalen Netzen für die Aufgabe der Fußgängererkennung. - Konzipierung und Durchführung einer groß angelegten Sicherheitsanalyse von 6 modernen Erkennungssystemen basierend auf realen und synthetisch hergestellten Daten. - Es wurden 21 Faktoren analysiert, von denen 16 als leistungsbegrenzende Faktoren bestätigt werden konnten, die unabhängig von der Verteilung der Trainingsdaten zum Fehlverhalten der Erkennungssysteme beitragen. - Note: 1.0

- Forschung zu den Auswirkungen des Aufbringens realistischer Aufkleber auf physischen Objekten mit dem Ziel, hochmoderne Erkennungssysteme (tiefe neuronale Netze) zu täuschen, am Beispiel der Straßenschilderkennung für das autonome Fahren. - Entwicklung einer Methode zur Durchführung einer 'Adversarial Attack'. - Die entwickelte Methode übertraf im direkten Vergleich alle anderen 'Adversarial Attack' Methoden aus der Literatur in realen Feldtests um 32.05% und stellt somit den neusten Stand der Technik da.

- Zuständig für die Bearbeitung von Serviceanfragen für die internen Dokumentenverwaltungssysteme. - Dazu gehören: Second Level Support in Zusammenarbeit mit externen Anbietern, Management von Geschäftsanforderungen, Management von IT-Service Changes und Administration des internen Cloud Dienstes. - Implementierung von Teilen der Benutzeroberfläche eines internen Microsoft Power BI-Dashboards für das Reporting von Demand-, Projekt- und Portfolioaktivitäten in der europäischen Region.

- Durchführung von diversen IT-Dienstleistungen für Privat- und Geschäftskunden als IT-Techniker.

Masterarbeit (in Zusammenarbeit mit Volkswagen): Safety Analysis of Deep Learning based 2D Pedestrian Detectors in the Context of Autonomous Driving in Urban Traffic Spezialisierung: Künstliche Intelligenz (KI) Sowftware-Projekte: Subway Station Hazard Detection, Real-time Object Detection for Autonomous Driving using Deep Learning, Simulation-based Traffic Sign Recognition Benchmark (STSRB), Multi-Type-TD-TSR, Stable Diffusion Latent Space Explorer

Bachelorarbeit: Entwicklung und Erprobung eines interaktiven 3D - Stadtmodells am Beispiel des Personennahverkehrsnetzwerks der Stadt Frankfurt Vertiefungsgebiet: Informationssysteme und Wissensverarbeitung (ISWV) Anwendungsfach: Volkswirtschaftslehre (VWL)