Foto von Martin Knoche

Martin Knoche, M.Sc.

Technische Universität München

Lehrstuhl für Mensch - Maschine - Kommunikation (Prof. Rigoll)

Postadresse

Postal:
Arcisstr. 21
80333 München

Forschungsgebiete

• Deep Learning
• Computer Vision
• Face Recognition single and multi camera
• Person Identification single and multi camera
• Super-Resolution single and multi camera

Publikationen

  • Hörmann, S.; Knoche, M.; Rigoll, G.: A Multi-Task Comparator Framework for Kinship Verification. 15th IEEE International Conference on Automatic Face and Gesture Recognition (FG 2020) , 2020, pp. 665-669 mehr…
  • Hörmann, S.; Moiz, A.; Knoche, M.; Rigoll, G.: Attention Fusion for Audio-Visual Person Verification Using Multi-Scale Features. 15th IEEE International Conference on Automatic Face and Gesture Recognition (FG 2020), 2020, pp. 472-476 mehr…
  • Hörmann, S.; Knoche, M.; Babaee, Ma.; Köpüklü, O.; Rigoll, G.: Outlier-Robust Neural Aggregation Network for Video Face Identification. Proc. International Conference on Image Processing (ICIP 2019), 2019, pp. 1675-1679 mehr… Volltext ( DOI )
  • Heyn, H.-M.; Knoche, M.; Zhang, Q.; Skjetne, R.: A System for Automated Vision-Based Sea-Ice Concentration Detection and Floe-Size Distribution Indication From an Icebreaker. Proc. 36th International Conference on Ocean, Offshore and Arctic Engineering, ASME 2017, 2017, V008T07A012 mehr… Volltext ( DOI )
  • Knoche, M.; Merget, D.; Rigoll, G.: Improving Facial Landmark Detection via a Super-Resolution Inception Network. 39th German Conference on Pattern Recognition, GCPR 2017, Springer Lecture Notes in Computer Science, 2017 mehr… Volltext (mediaTUM)

Projekte

Datengetriebene Wertschöpfung von Multimedia Content
Projektpartner: ProSiebenSat.1 Media SE, munich media intelligence
Projektzeitraum: 01.03.2018 - 30.09.2018

Grundrechtskonforme Gesichtserkennung im öffentlichen Raum
Projektpartner: Uniscon GmbH, Tüv Süd Digital Services, AXIS GmbH
Projektzeitraum: 01.10.2018 - 30.09.2020

Lehre

Signaltheorie (WS 2019)
Signaldarstellung Übung für Wiederholer (SS 2019)

Studentische Arbeiten

Bei Anfragen zu studentischen Arbeiten reichen Sie bitte folgende Unterlagen mit ein:
• Aktueller Lebenslauf
• Notenauszug
• Bisherige Erfahrungen aus dem Themengebiet
• Starttermin

Offen

Alle ausgeschriebenen Arbeiten finden Sie hier.

Abgeschlossen

2019
• Enhanced Deep Residual Networks for Single Image Super-Resolution (Scientific Seminar)
• Single Image and Multi Image Super Resolution for Face Identification (Master´s Thesis)
• Attention Mechanisms in an Appearance Matching Network (Research Internship)
• Enhanced Deep Residual Networks for Single Image Super-Resolution (Scientific Seminar)
• Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network (Scientific Seminar)

2018
• Repulsion Loss - Detecting Pedestriants in a Crowd (Scientific Seminar)
• Wide Compression - Tensor Ring Nets (Scientifc Seminar)