Dr.-Ing. Markus Eisenbach

Kontakt:

Zusebau, Raum 3050
Helmholtzplatz 5
98693 Ilmenau

+49 (0)3677 69-4169

markus.eisenbach@tu-ilmenau.de

 

Vita

 
  • seit 08/2019    Leiter der Nachwuchsforschergruppe "Maschinelles Lernen" im Rahmen des Projekts E4SM
  • seit 11/2009    Wissenschaftlicher Mitarbeiter am Fachgebiet Neuroinformatik und Kognitive Robotik
  • 2007                Praktikum Fraunhofer IGD Darmstadt
  • 2004 - 2009    Studium der Informatik an der Technischen Universität Ilmenau

Forschungsschwerpunkte

 

  • Hauptthema der Forschung: Vertrauenswürdiges Maschinelles Lernen

  • Maschinelles Lernen: Deep Learning, Unsicherheitsabschätzung, Out-of-Distribution-Erkennung, Representation Learning, Merkmalsauswahl, Distance Metric Learning, Klassifikation

  • Computer Vision: Erscheinungsbasierte Personenwiedererkennung, Visuelle Merkmale, Beleuchtungskompensation, Hintergrundsubtraktion

  • Mobile Robotik: Objekterkennung, Tracking, Benutzerwiedererkennung

  • Anwendungen: Multi-Kamera-Tracking, Verfolgen und Lotsen von Personen mit einem mobilen Roboter, automatische Inspektion von öffentlichen Infrastrukturen, industrielle Fertigungsprozesse

Forschungsprojekte

 

  • APFel (2010-2014):

    • Videoanalysetool zur Unterstützung eines menschlichen Operators bei der Flughafenüberwachung
    • Hauptbeitrag: Personenwiedererkennung für Multi-Kamera-Tracking

  • ROREAS (2014-2016)

    • Roboter-gestützte Nachsorge von Schlaganfallpatienten
    • Hauptbeitrag: Nutzererkennung zur Auflösung von Mehrdeutigkeiten beim Tracking

  • ASINVOS (2016-2018)

    • Analysetool zur Schadstellenerkennung auf Daten von Inspektionen öffentlicher Infrastrukturen
    • Hauptbeitrag: Schadensstellenerkennung durch Deep Learning
  • ASFaLT (2018-2019)
    • Nachfolgeprojekt von ASINVOS
    • Ziel: Vollautomatisiertes Tool zur Schadstellenerkennung in Daten von Inspektionen öffentlicher Infrastrukturen
    • Hauptbeitrag: Kalibrierung des Neuronalen Netzwerkes, Unsicherheitsabschätzung

  • E4SM (2019-aktuell)

    • Maschinelles Lernen in industriellen Fertigungsprozessen

    • Leiter der Nachwuchsforschergruppe "Maschinelles Lernen", Mentoring von 2 Doktoranden

    • Hauptforschungsbeitrag: Unsicherheitsabschätzung, Out-of-Distribution-Detektion in tiefen Neuronalen Netzwerken

Lehre

 

Sprechzeit

Freitags (G)  13:00 Uhr


Vorlesungen

Deep Learning for Computer Vision

(seit Wintersemester 2019/20)

zusammen mit D. Seichter, H.-M. Groß

Zeit: Fr. (G) 13:00 Uhr

Inhalte

  • Was ist Deep Learning? Was kann Deep Learning? Was noch nicht?
  • Frameworks
  • Grundlagen zu Neuronalen Netzwerken
    • Aufbau Neuronales Netzwerk
    • Ausgabefunktionen
    • Gewichtsinitialisierung
    • Error-Backpropagation
    • Optimierungsverfahren
    • Regularisierung
    • Multi-Layer Perceptron
    • Convolutional Neural Network
  • Architekturen
    • ImageNet-Architekturen: AlexNet, ZFNet, VGG-Net, InceptionNet, ResNet, ResNeXt, SENet
    • darauf aufbauende Architekturen: WideResNet, DenseNet, InceptionResNet, XceptionNet
    • Mobile Architekturen
    • Ausblick auf sonstige Architekturen
    • Kerntechnologien
      • ReLU und Erweiterungen
      • Dropout und Erweiterungen
      • Datenaugmentierung
      • Lernraten-Scheduling
      • Ersetzung von Convolutional Filtern mit großem rezeptiven Feld durch Stapel kleinerer Filter
      • Mikroarchitekturen
      • Bottleneck-Blöcke
      • Global Average Pooling
      • Batch Normalization und Erweiterungen
      • Residual-Block
      • Skip Connections
      • Grouped Convolutions, Depthwise Separable Convolutions
      • Squeeze-and-Excitation-Block
      • Stochastic Depth
  • Anwendungen
    • Detektion
    • Segmentierung
    • Posenerkennung
    • Wiedererkennung
    • Kerntechnologien
      • Region Proposal
      • Fully Convolutional Neural Network
      • moderne Fehlerfunktionen
  • Anwendung auf eigene Problemstellung
    • Umgang mit Daten
    • Auswahl geeigneter Architektur und Technik
    • Transfer Learning
    • Bewertungsmaße
    • Typische Probleme und abzuleitende Schlussfolgerungen (Best Practice Guide)
  • aktuelle Forschungsfragen


Seminare

Angewandte Neuroinformatik

(seit Sommersemester 2014)

Zeit: Mo. (G) 17:00 Uhr

Inhalte

  • Module eines Mustererkennungsystems
  • Merkmalstransformation
  • Merkmalsselektion
  • Leistungsbewertung von Klassifikatoren
  • Ensemble Learning
  • Techniken zur Repräsentation von Zeit
  • Information Fusion
 

Mensch-Maschine-Interaktion

(Wintersemester 2016/17)

Inhalte

  • Bildvorverarbeitung (Integralbild, Gaborfilter)
  • Hauptkomponentenanalyse (PCA)
  • Personendetektion (Eigenfaces, HOG)
  • Leistungsbewertung von Detektoren
  • Personentracking mittels Partikelfilter
  • Wiedererkennung von Personen
  • Hidden-Markov-Modell (HMM)
     

Technische Informatik

(Wintersemester 2014/15, 2015/16)

Inhalte

  • Zahlensysteme
  • Grundrechenarten im Dualsystem
  • Logische Schaltungen
  • Boolsche Algebra
  • Darstellung negativer Zahlen
  • Zahlencodierungen (BCD, Aiken, 3XS)
  • Gleitkommazahlen
  • Assemblerbefehle
  • Turing-Maschine

Publikationen

 
Google Scholar Profile
Publikationsliste Hochschulbibliografie

2021

Eisenbach, M., Aganian, D., Köhler, M., Stephan, B., Schröter, Chr., Gross, H.-M.
Visual Scene Understanding for Enabling Situation-Aware Cobots.
in: IEEE Int. Conf. on Automation Science and Engineering (CASE) , pp. ..., IEEE 2021

2020

Müller,  St., Wengefeld, T., Trinh, T. Q., Aganian, D., Eisenbach, M., Gross, H.-M.
A Multi-Modal Person Perception Framework for Socially Interactive Mobile Service Robots.
Sensors, vol. 20 (2020) 3, 722, 18 pages [Bibtex] [PDF]

2019

Eisenbach, M.
Personenwiedererkennung mittels maschineller Lernverfahren für öffentliche Einsatzumgebungen,
Dissertation, TU Ilmenau 2019 [PDF]

Eisenbach, M., Stricker, R., Sesselmann, M., Seichter, D., Gross, H.-M.
Enhancing the Quality of Visual Road Condition Assessment by Deep Learning.
in: World Road Congress 2019, Abu Dhabi, UAE, 13 pages, 2019 [BibTeX]  [PDF]

Schnürer, Th., Fuchs, St., Eisenbach, M.,  Gross, H.-M.
Real-Time 3D Pose Estimation from Single Depth Images.
in: Proc. Int. Joint Conf. on Computer Vision, Imaging and Computer Graphics - Theory and Applications (VISAPP), Prague, Czech Republic, pp. 716-724, 2019 [BibTeX]  [PDF]

Sesselmann, M., Stricker, R., Eisenbach, M.
Einsatz von Deep Learning zur automatischen Detektion und Klassifikation von Fahrbahnschäden aus mobilen LiDAR-Daten.
AGIT Journal für Angewandte Geoinformatik, vol. 5 (2019), pp. 100-114 [BibTeX] [PDF]

Stricker, R., Eisenbach, M., Sesselmann, M., Debes, K., Gross, H.-M.
Improving Visual Road Condition Assessment by Extensive Experiments on the Extended GAPs Dataset.
in: Int. Joint Conf. on Neural Networks (IJCNN), Budapest, Hungary, paper N-20496, 8 pages, IEEE 2019 [Bibtex] [PDF]

2018

Seichter, D., Eisenbach, M., Stricker, R., Gross, H.-M.
How to Improve Deep Learning based Pavement Distress Detection while Minimizing Human Effort.
in: IEEE Int. Conf. on Automation Science and Engineering (CASE), Munich, pp. 63-68, IEEE 2018 [BibTeX] [PDF]

2017

Eisenbach, M., Stricker, R., Seichter, D., Amende, K., Debes, K., Sesselmann, M., Ebersbach, D., Stöckert, U.,  Gross, H.-M.
How to Get Pavement Distress Detection Ready for Deep Learning? A Systematic Approach.
in:  Int. Joint Conf. on Neural Networks (IJCNN), Anchorage, USA, pp. 2039-2047, IEEE 2017 [BibTeX] [PDF] [Dataset]

Eisenbach, M., Stricker, R., Debes, K. Gross, H.-M.
Crack Detection with an Interactive and Adaptive Video Inspection System.
in: Arbeitsgruppentagung Infrastrukturmanagement, Duisburg, Germany, pp. 94-103, 2017 [BibTeX] [PDF]

Eisenbach, M., Stricker, R., Seichter, D., Vorndran, A., Wengefeld, T., Gross, H.-M.
Speeding up Deep Neural Networks on the Jetson TX1.
in:  Int. WS CAPRI at Joint Conf. on Neural Networks (IJCNN), Anchorage, pp. 11-22, USA, 2017 [BibTeX] [PDF] [Talk]

Gross, H.-M., Scheidig, A.,  Debes, K., Einhorn, E., Eisenbach, M., Müller, St., Schmiedel, Th., Trinh, T. Q., Weinrich, Ch., Wengefeld, T., Bley, A., Martin, Ch.
ROREAS - Robot Coach for Walking and Orientation Training in Clinical Post-Stroke Rehabilitation: Prototype Implementation and Evaluation in Fields Trials. in: Autonomous Robots (AR), vol. 41 (2017) 3, pp. 679-698, Springer [BibTeX] [PDF]

Gross, H.-M., Meyer, S., Scheidig, A.,  Eisenbach, M., Müller, St., Trinh, T. Q., Wengefeld, Bley, A., Martin, Ch., Fricke, Ch.
Mobile Robot Companion for Walking Training of Stroke Patients in Clinical Post-stroke Rehabilitation.
in:  IEEE Int. Conf. on Robotics and Automation (ICRA), Singapore, pp. 1028-1035, IEEE 2017 [BibTeX] [PDF]
Best Paper Award on Human-Robot Interaction (HRI) - Finalist

2016

Eisenbach, M., Seichter, D., Wengefeld, T., Gross, H.-M.
Cooperative Multi-Scale Convolutional Neural Networks for Person Detection.
in: IEEE World Congress on Computational Intelligence (WCCI), Vancouver, Canada, pp. 267-276, IEEE 2016 [BibTeX] [PDF] [Talk]

Eisenbach, M., Seichter, D., Gross, H.-M.
Are Color Features Important for Person Detection? - Insights into Features Learned by Deep Convolutional Neural Networks.
in: Proc. Workshop Farbbildverarbeitung (FWS), Ilmenau, Germany, pp. 169-182, 2016 [BibTeX] [PDF]

Gross, H.-M., Eisenbach, M., Scheidig, A., Trinh, T. Q., Wengefeld, T.
Contribution towards Evaluating the Practicability of Socially Assistive Robots - by Example of a Mobile Walking Coach Robot.
in: Int. Conf. on Social Robotics (ICSR), Kansas City, USA,  LNAI 9979, pp. 890-899, Springer 2016 [BibTeX] [PDF]

Gross, H.-M., Scheidig, A.,  Eisenbach, M., Trinh, T. Q., Wengefeld, T.
Assistenzrobotik für die Gesundheitsassistenz - ein Beitrag zur Evaluierung der Praxistauglichkeit am Beispiel eines mobilen Reha-Roboters.
in: German AAL Conference (AAL), Frankfurt, Germany, pp. 58-67, VDE Verlag 2016 [BibTeX] [PDF]

Wengefeld, T., Eisenbach, M., Trinh, T. Q., Gross, H.-M.
May I be your Personal Coach? Bringing Together Person Tracking and Visual Re-identification on a Mobile Robot.
in: Int. Symposium on Robotics (ISR), Munich, Germany, pp. 141-148, VDE Verlag 2016 [BibTeX] [PDF]

2015

Eisenbach, M., Kolarow, A., Vorndran, A., Niebling, J., Gross, H.-M.
Evaluation of Multi Feature Fusion at Score-Level for Appearance-based Person Re-Identification.
in: Proc. Int. Joint Conf. on Neural Networks (IJCNN), Killarney, Ireland, pp. 469-476, IEEE 2015 [BibTeX] [PDF] [Code]

Eisenbach, M., Vorndran, A., Sorge, S., Gross, H.-M.
User Recognition for Guiding and Following People with a Mobile Robot in a Clinical Environment.
in: IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), Hamburg, Germany, pp. 3600-3607, IEEE 2015 [BibTeX] [PDF]

Scheidig, A.,  Einhorn, E., Weinrich, Ch.,  Eisenbach, M., Müller, St., Schmiedel, Th., Wengefeld, T.,  Trinh, Th., Gross, H.-M., Bley, A., Scheidig, R.,  Pfeiffer, G., Meyer, S., Oelkers, S.
Robotischer Reha-Assistent zum Lauftraining von Patienten nach Schlaganfall: Erste Ergebnisse zum Laufcoach .
in: German AAL Conference (AAL), Frankfurt, Germany, pp. 436-445, VDE Verlag 2015 [BibTeX] [PDF]

2013

Eisenbach, M., Scheiner, P., Kolarow, A., Schenk, K., Gross, H.-M., Weinreich, I.
Learning Illumination Maps for Color Constancy in Person Reidentification.
in: Proc. Workshop Farbbildverarbeitung (FWS), 12 pages, 2013 [BibTeX] [PDF]

Kolarow, A., Schenk, K., Eisenbach, M., Dose, M., Brauckmann, M., Debes, K., Gross, H.-M.
APFel: The Intelligent Video Analysis and Surveillance System for Assisting Human Operators.
in: Proc. IEEE Int. Conf. on Advanced Video and Signal-Based Surveillance (AVSS), Krakow, Poland, pp. 195-201, IEEE 2013 [BibTeX] [PDF]

2012

Eisenbach, M., Kolarow, A., Schenk, K., Debes, K., Gross, H.-M.
View Invariant Appearance-based Person Reidentification Using Fast Online Feature Selection and Score Level Fusion.
in: Proc. IEEE Int. Conf. on Advanced Video and Signal-Based Surveillance (AVSS), Beijing, China , pp. 184-190, IEEE 2012 [BibTeX] [PDF]

Kolarow, A., Brauckmann, M., Eisenbach, M., Schenk, K., Einhorn, E., Debes, K., Gross, H.-M.
Vision-based Hyper-Real-Time Object Tracker for Robotic Applications.
in: Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), Vilamoura, Portugal, pp. 2108-2115, IEEE 2012 [BibTeX] [PDF]

Schenk, K., Kolarow, A., Eisenbach, M., Debes, K., Gross, H.-M.
Automatic Calibration of a Stationary Network of Laser Range Finders by Matching Movement Trajectories.
in: Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), Vilamoura, Portugal, pp. 431-437, IEEE 2012 [BibTeX] [PDF]

Schenk, K., Kolarow, A., Eisenbach, M., Debes, K., Gross, H.-M.
Automatic Calibration of Multiple Stationary Laser Range Finders using Trajectories.
in: Proc. IEEE Int. Conf. on Advanced Video and Signal-Based Surveillance (AVSS), Beijing, China , pp. 306-312, IEEE 2012 [BibTeX] [PDF]

2011

Schenk, K., Eisenbach, M., Kolarow, A., Gross, H.-M.
Comparison of Laser-Based Person Tracking at Feet and Upper-Body Height.
in: KI 2011: Advances in Artificial Intelligence (KI), Berlin, Germany, LNCS 7006, pp. 277–288,  Springer 2011 [BibTeX] [PDF]

2009

Eisenbach, M.
Rewarddekomposition für Multiagentensysteme bei komplexen Regelungsprozessen.
Diplomarbeit, TU Ilmenau, 2009