Im Rahmen einer Masterarbeit unterstützen Sie die Gruppe Radarwahrnehmung des Bereichs Automatisiertes Fahren bei der Entwicklung eines Human-in-the-Loop Deep-Learning-Verfahrens für die Objektdimensionierung der radarbasierten Objekterkennung. Die präzise Bestimmung von Objektdimensionen ist essenziell für moderne Fahrerassistenzsysteme, aktuelle Referenzsysteme wie Lidar oder Kamera stoßen jedoch in spezifischen Fahrsituationen oft an Grenzen. Diese Masterarbeit untersucht einen Human-in-the-Loop-Ansatz, bei dem menschliches Feedback genutzt wird, um Deep-Learning-Modelle für die radarbasierte Größenabschätzung effizient zu trainieren. Pipeline-Entwicklung: Im Rahmen dieser Aufgabe entwickeln Sie eine Deep-Learning-Pipeline zur Objektdimensionierung auf Basis von Radar-Daten und menschlichem Feedback. Daten und Feedback: Dabei untersuchen Sie, wie Radarinformationen und menschliches Feedback für das Training der Modelle zusammengeführt werden können. Labeling-Ansätze: Ergänzend vergleichen Sie innovative Labeling-Ansätze wie Pairwise Preference Learning und direktionales Feedback. UI-Tool: Im nächsten Schritt implementieren Sie ein interaktives UI-Tool zur effizienten Annotation durch menschliche Experten. Methodenbewertung: Abschließend evaluieren Sie die Methoden hinsichtlich Genauigkeit, Robustheit und Annotationsaufwand.