Fabio Hellmann M.Sc.
| Phone: | +49 821 598 - 2368 |
| Email: | fabio.hellmann@informatik.uni-augsburg.de |
| Room: | 2042 (N) |
| Visiting hours: | by appointment |
| Address: | Universitätsstraße 6a, 86159 Augsburg |
Forschungsinteressen
- Biomedical Image/Signal Processing
- Deep Learning
- Human Computer Interaction
- eXplainable AI
Links
Betreute Abschlussarbeiten
- Computer Vision Syndrome Detection Explained by Facial Features. (Medizininformatik, Bachelor, 2022)
Offene Themen für Abschlussarbeiten und Projektmodule
Die folgenden Themen können in Umfang und Ausrichtung flexibel variiert werden, sodass die Durchführung als Bachelorarbeit, Masterarbeit oder Projektmodul möglich ist. Außerdem kann der inhaltliche Schwerpunkt selbstverständlich auf die Interessen des durchführenden Studenten ausgerichtet werden.
Darüber hinaus freue ich mich jederzeit über eigene Themenvorschläge, sofern sie eine gewisse Überschneidung mit meinem Forschungsschwerpunkt aufweisen.
Bayesian Latent Space Manipulator
Manipulationen des Latent Space kann in vielen Bereichen eingesetzt werden. Durch das Verändern des Latent Space kann unter anderem ein Bild in Teilbereichen verändern, ohne das gesamte Bild zu verändern. Ziel dieser Arbeit ist, einen Autoencoder zu entwickeln, der Gesichter in einem möglichst kompakten Latent Space komprimieren kann und mit einem Bayesian Netzwerk anschließend ein Mapping zwischen Latent Space und "abstrakten Labeln" (z.B. Gesichtsform, Augenfarbe, Haarfarbe) zu finden, um diese verändern zu können.
Mittels Face Meshes (468 Gesichtspunkte in 3D) lassen sich Gesichter abstrakt darstellen und gleichzeitig anonymisieren. Um die Identität von Personen mit Syndromen, die sich über die Gesichtsstruktur äußern, zu wahren und gleichzeitig eine Klassifikation nach Syndrom zu gewährleisten, können diese 468 Gesichtspunkte direkt mit einem Neuronalen Netzwerk klassifiziert werden. Dadurch muss nicht das vollständige Gesicht, als Bild, in das Model gegeben werden. Die Aufgabe besteht darin, herauszufinden, ob es möglich ist, dass ein Neuronales Netz nur anhand der 468 Gesichtspunkte verschiedene Syndrome klassifizieren kann und welche Syndrome möglich sind zu klassifizieren.
Lehre
| name | semester | type |
|---|---|---|
| Praktikum Interactive Machine Learning | winter semester 2022/23 | Praktikum |
Publikationen
|
2022 |
|
Ömer Sümer, Fabio Hellmann, Alexander Hustinx, Tzung-Chien Hsieh, Elisabeth André and Peter Krawitz. in press. Few-shot meta learning for recognizing facial phenotypes of genetic disorders. DOI: 10.48550/arXiv.2210.12705 |
|
Alexander Hustinx, Fabio Hellmann, Ömer Sümer, Behnam Javanmardi, Elisabeth André, Peter Krawitz and Tzung-Chien Hsieh. in press. Improving deep facial phenotyping for ultra-rare disorder verification using model ensembles. DOI: 10.48550/arXiv.2211.06764 |
|
Daniela Angelova-Toshkina, Johannes Holzapfel, Stefanie Bette, Josua Decker, Fabio Hellmann, Thomas Traunwieser, Simon Huber, Mareike Schimmel, Kurt Vollert, Brigitte Bison, Thomas Kroencke, Elisabeth André, Dagmar Wieczorek, Astrid Katharina Gnekow, Michael C. Frühwald and Michaela Kuhlen. 2022. Neurological manifestations in children and adolescents with neurofibromatosis type-1-implications for management and surveillance [Abstract]. DOI: 10.1093/neuonc/noac079.467 |
|
2021 |
|
Fabio Hellmann, Zhao Ren, Elisabeth André and Björn W. Schuller. 2021. Deformable dilated faster R-CNN for universal lesion detection in CT images. DOI: 10.1109/embc46164.2021.9631021 |