Softwareentwickler (Computer Vision / ML)

Der Kandidat ist ein aufstrebender Softwareentwickler mit Fokus auf Computer Vision, Objekterkennung und Machine Learning für Fahrerassistenzsysteme (ADAS). Er entwickelte und optimierte Deep-Learning-Modelle (RTMDet, LSTM, Transformer, 1D-CNN) für Echtzeit-Drohnendetektion und Fahrzeugtrajektorienvorhersage. Seine Expertise umfasst Datenaugmentierung, Feature Extraction und Modelloptimierung. Er trug zu Publikationen und einer Patentanmeldung im Bereich ML-basierter ADAS bei.

Entwicklung, Training und Optimierung eines RTMDet-basierten Objekterkennungsmodells zur Echtzeit-Drohnendetektion mit signifikanter mAP-Steigerung; Systematischer Vergleich von CNN-Architekturen (YOLO, Faster R-CNN, RTMDet) für Kleinstdrohnendetektion; Anwendung von Feature Extraction, Datenaugmentierung (inkl. synthetischer Datengenerierung mit Unreal Engine) und Modelloptimierung; Generierung von 220 synthetischen Fahrszenarien mit IPG CarMaker für ML-basierte Trajektorienvorhersage; Konzeption, Implementierung und Evaluation von LSTM-, Transformer- und 1D-CNN-Architekturen zur Fahrzeugtrajektorienvorhersage; Bewertung und Optimierung der Modellperformance nach Vorhersagegenauigkeit, Inferenzlatenz und Fahrkomfort; Publikation von Forschungsergebnissen in ATZ worldwide und Einreichung einer Patentanmeldung.