Die Konferenz Deep Learning Theory and Applications (DeLTA 2020), eine Schwesterkonferenz der ICINCO, fand dieses Jahr zum ersten Mal statt. Aufgrund der Covid-19 Pandemie wurde diese - anstatt in Lieusant, Paris – vollständig virtuell abgehalten. Die Publikation mit dem Titel „Data Augmentation for Semantic Segmentation in the context of Carbon Fiber Defect Detection using Adversarial Learning“ wurde in Partnerschaft zwischen dem von Prof. Dr. Elisabeth André geleiteten Lehrstuhl für Human-Centered Multimedia und dem Fraunhofer-Institut IGCV auf den Weg gebracht.

Das vorgestellte Verfahren eröffnet neue Möglichkeiten für die Entwicklung und Konfiguration von Bildverarbeitungs-Systemen für kontinuierliche Prozesse. Bisherige KI-Lösungen benötigen große Mengen von Trainingsdaten, die nur unter großem Aufwand erzeugt werden können. Der Ansatz von Mertes, Margraf, Kommer, Geinitz und André ermöglicht durch die Erzeugung künstlicher Daten eine performantere Leistung von künstlichen neuronalen Netzen für semantische Segmentierungs-Aufgaben.