M.Sc. Daniel Seichter

Kontakt:

Zusebau, Raum 3050
Helmholtzplatz 5
98693 Ilmenau

+49 (0)3677 69-4171

daniel.seichter@tu-ilmenau.de

 

Vita


 
  • seit 07/2017  Wissenschaftlicher Mitarbeiter am Fachgebiet Neuroinformatik und Kognitive Robotik
  • 2014              Praktikum am Fraunhofer IDMT Ilmenau
  • 2011 - 2017   Studium der Ingenieurinformatik an der Technischen Universität Ilmenau

Forschungsschwerpunkte


 
  • Maschinelles Lernen: Deep Learning, Semantische Segmentierung

Lehre


 

Sommersemester

Seminar Neuroinformatik

(SS 2018)

Inhalte:

  • Neuronenmodelle (biologisches Neuron, formales Neuron)
  • Netzwerkmodelle (grundlegende Verschaltungsprinzipien & Architekturen)
  • Wesentliche Lernparadigmen (Supervised / Unsupervised / Reinforcement Learning)
  • Deep Learning (Grundidee, Meilensteine)
  • Deep Neural Networks (Aufbau, Verschaltungsprinzipien mit Fokus auf Convolutional Neural Networks)
  • Implementierung von Anwendungsbeispielen
     

Praktikum Neuroinformatik

(SS 2018)

Inhalte:

  • Vertiefung der Funktionsweise elementarer neuronaler Verarbeitungsprozesse und Lernparadigmen
  • Unsupervised Learning (Kohonen-Kette, Neural Gas)
  • Supervised Learning (Transferfunktionen, Delta-Regel)
  • Convolutional Neural Networks (Faltungs- und Pooling-Operationen)
     


Wintersemester

Seminar Mensch-Maschine-Interaktion

(WS 2017/18, 2018/19)

Inhalte:

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

Seminar Technische Informatik

(WS 2017/18, 2018/19)

Inhalte:

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

Praktikum Neuroinformatik

(WS 2017/18, 2018/19)

Inhalte:

  • Vertiefung der Funktionsweise elementarer neuronaler Verarbeitungsprozesse und Lernparadigmen
  • Unsupervised Learning (Kohonen-Kette, Neural Gas)
  • Supervised Learning (Transferfunktionen, Delta-Regel)
  • Convolutional Neural Networks (Faltungs- und Pooling-Operationen)

Publikationen


 

 

2020

Seichter, D., Lewandowski, B., Höchemer, D., Wengefeld, T., Gross, H.-M.
Multi-Task Deep Learning for Depth-based Person Perception in Mobile Robotics.
in: IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), Las Vegas, USA, pp. 10497-10504, IEEE 2020 [BibTeX] [PDF]

2019

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]

Lewandowski, B., Seichter, D., Wengefeld, T., Pfennig, L., Drumm, H., Gross, H.-M.
Deep Orientation: Fast and Robust Upper Body Orientation Estimation for Mobile Robotic Applications.
in: IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), Macau, pp. 441-448, IEEE 2019 [BibTeX] [PDF]

Müller, St., Seichter, D., Gross, H.-M.
Cross-Talk Compensation in Low-Cost Resistive Pressure Matrix Sensors.
in: IEEE Int. Conf. on Mechatronics (ICM), Ilmenau, Germany, pp. 232-237, IEEE 2019 [BibTeX] [PDF]

Wengefeld, T., Lewandowski, B., Seichter, D., Pfennig, L., Gross, H.-M.
Real-time Person Orientation Estimation using Colored Pointclouds.
in: Europ. Conf. on Mobile Robotics (ECMR), Prague, Czech Republic, 7 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., 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]

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]

Seichter, D., Cucovillo, L., Aichroth, P.
AAC Encoding Detection and Bitrate Estimation using a Convolutional Neural Network.
in: Proc. Int. Conf. on Acoustics, Speech and Signal Processing (ICASSP), Shanghai, China, pp. 2069-2073, IEEE 2016 [BibTeX] [PDF]