Gao Yu

Erzählen Sie doch mal: was fasziniert Sie an der Forschung?

Das Faszinierendste an Computer Vision ist die Technologie, die dies ermöglicht, insbesondere das Aufkommen von Deep Learning. Bei vielen Fragestellungen wie Gesichts- oder Objekterkennung war die Performance im Rahmen einiger kontrollierter experimentelle Datensätze vor 10 Jahren – bevor ich begann auf diesem Gebiet zu arbeiten – noch begrenzt. Inzwischen werden die Algorithmen für Computer Vision bereits im Alltag angewendet.

Was macht die Forschung bei Bosch besonders?

Die Themenvielfalt bei Bosch Research, insbesondere CR/RIX-AP erweitert meinen Horizont im Bereich Computer Vision, denn bei RIX-AP gibt es mehrere Forschungsfelder, die sich mit Computer Vision befassen. Wir haben Projekte und Forschungsthemen in Bezug auf IoT, autonomes Fahren und Robotik. Meine Erfahrung im Bereich Computer Vision kann ich in unterschiedlichen Bereichen einbringen und damit verschiedene Probleme lösen. Hier ein Beispiel: Obwohl ich mich hauptsächlich auf Themen rund um Computer Vision für IoT befasse, kann ich auch zu den lokalen Forschungsthemen rund um Robotik beitragen, da ich viel Erfahrung im Bereich maschinelles Sehen habe. Auch zum Thema autonomes Fahren hier kann ich beitragen, da ich mich bereits in der Vergangenheit mit Computer Vision in Bezug auf Multimedia in Fahrzeugen befasst habe.

Woran forschen Sie bei Bosch?

Derzeit arbeite ich am Einsatz von Methoden für Computer Vision, um eine einzigartige digitale Kennung für Industrieteile wie Einspritzdüsen oder Konsumgüter wie hochwertige Taschen zu generieren.

Was sind die größten wissenschaftlichen Herausforderungen in Ihrem Forschungsfeld?

Das Thema IoT gibt uns die Möglichkeit, uns direkt an potenzielle Kunden zu wenden. Daher greifen unsere Forschungsthemen die Herausforderungen beim Endanwender direkt auf. Die größten Herausforderungen bei der bildbasierten digitalen Objektkennung bestehen darin, einen guten Kompromiss zwischen Genauigkeit und Anwendererfahrung zu erzielen, da das Erscheinungsbild eines Objekts je nach Betrachtungswinkel und Lichtverhältnissen unterschiedlich ist. Doch Abfragen des Endanwenders enthalten normalerweise ein einzelnes Foto mit dem Smartphone von einer beliebig gewählten Ansicht und bei zufälligen Lichtverhältnissen.

Wie werden Ihre Forschungsergebnisse zu "Technik fürs Leben"?

Damit die Forschungsergebnisse vom Kunden leicht anzuwenden und zugänglich sind, werden die Resultate meiner Forschungsprojekte Teil der „Technik fürs Leben“. Mithilfe des Teams haben wir unsere Vision-Lösung so verkleinert, dass sie in das Miniprogramm WeChat integriert werden kann, das beliebteste soziale Netz in China. So können Kunden das Potenzial der Lösung kennenlernen, ohne Installation einer weiteren Anwendung. Wir untersuchen auch die Möglichkeiten, Algorithmen für Computer Vision auszuführen, die auf Machine-Learning basieren, um einen anwenderfreundlicheren Ansatz unserer Lösung zu bieten.