Linda-Sophie Schneider

Linda-Sophie Schneider, M. Sc.

Researcher

Department of Computer Science
Chair of Computer Science 5 (Pattern Recognition)

Room: Room 09.130
Martensstr. 3
91058 Erlangen

Academic CV

  • Since 08/2021:
    Ph.D. Student at Pattern Recognition Lab, FAU Erlangen-Nürnberg
  • 10/2018 – 02/2021:
    M. Sc. Mathematics, FAU Erlangen-Nürnberg
  • 04/2018 – 07/2018:
    Practical semester abroad in Portugal
  • 10/2014 – 12/2017:
    B. Sc. Mathematical Economics, FAU Erlangen-Nürnberg

Projects

2021

  • SmartCT - Erforschung und Entwicklung von Methoden der Künstlichen Intelligenz für ein autonomes Roboter-CT System zur 3D-Digitalisierung beliebiger Objekte

    (Third Party Funds Group – Overall project)

    Term: June 1, 2021 - May 31, 2024
    Funding source: Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie (StMWi) (seit 2018)
    URL: https://www.pinterguss.de/forschung-entwicklung/smart-ct.html
    Abstract

    In Vorhaben SmartCT sollen KI-Methoden entwickelt und angewendet werden, die Roboter-CT Systemen ermöglicht, selbstständig, also autonom, die äußeren und inneren Strukturen beliebiger Objekte zu digitalisieren. Diese so erzeugten Daten stellen die Basis von neuartigen, innovativen und datengetriebenen Geschäftsmodellen in vielen Bereichen wie Produktentwicklung, Produktion, Handel, Instandhaltung, Sicherheit und Recycling dar.
    Roboter-CT Systeme können beliebige Objekte (Fahrzeugkomponenten, Flugzeugflügel, Batterie-zellen, Versandpaket, etc.) zerstörungsfrei digitalisieren. Diese Systeme sind jedoch hoch komplex und deshalb bisher nur mit großem zeitlichen Aufwand von Experten bedien- und einsetzbar. Roboter-CT Systeme werden deshalb aktuell nur bei großen Unternehmen eingesetzt. Mit Hilfe der in SmartCT entwickelten KI-Methoden soll es möglich werden, dass beliebige Objekte effizient und wirtschaftlich attraktiv digitalisiert werden können, so dass auch kleinere und mittlere Unternehmen die Vorteile dieser Technologie vollständig zugänglich gemacht werden kann. Zugleich wird mit diesem Vorhaben die Akzeptanz roboterbasierter CT-Systeme in der Industrie nachhaltig erhöht.

Publications

2023

Journal Articles

Conference Contributions

Thesis and Projects

Type Title Status
Project Defect Detection Probability as a Metric for CT Image Quality Assessment running
Project Automated ONNX2TikZ: Generating LaTeX-TikZ Diagrams of Neural Networks running
BA thesis Feature Extraction and Dimensionality Reduction Techniques for Assessing Model Similarity in Large-Scale 3D CAD Datasets running
Project A Comparative Analysis of Loss Functions in Deep Learning-Based Inverse Problems running
BA thesis Developing and Evaluating Image Similarity Metrics for Enhanced Classification Performance in 2D Datasets running
Project Detectability Index Reimplementation for CT Images Using PyTorch running
MA thesis Scamming Scammers using Large Language Models running
MA thesis Deep Learning Computed Tomography based on the Defrise and Clack Algorithm for Specific CBCT Orbits running
MA thesis Using Reinforcement Learning for Robotic Movement Planning running
MA thesis Sinogram Analysis Using Attention U-Net: A Methodological Approach to Defect Detection and Localization in Parallel Beam Computed Tomography finished
Project Learning Reconstruction Filters for CBCT Geometry finished
MA thesis Application of projection-based metrics to the optimisation of arbitrary CT scanning trajectory finished
Project Tackling Travelling Salesman Problem with Graph Neural Network and Reinforcement Learning finished
Project Synthetic Projection Generation with Angle Conditioning finished
BA thesis On how to learn and use the Detectability Index efficiently for CT trajectory optimisation finished