[IOAB] - [de] - [Objekterkennung und automatisches Bildverstehen]


Objekterkennung und automatisches Bildverstehen [2017/18 WiSe]
Code
IOAB
Name
Objekterkennung und automatisches Bildverstehen
LP
8 LP
Dauer
ein Semester
Angebotsturnus
jährlich
Format
Vorlesung 4 SWS, Übung 2 SWS
Arbeitsaufwand
240 h; davon
90 h Präsenzstudium
15 h Prüfungsvorbereitung
135 h Selbststudium und Aufgabenbearbeitung (eventuell in Gruppen)
Verwendbarkeit
B.Sc. Angewandte Informatik,
M.Sc. Angewandte Informatik
Sprache
Lehrende
Prüfungsschema
Lernziele Die Studierenden
sind auf dem neuesten Stand der Forschung im Bereich von Mid- und High-Level Computer Vision
kennen die relevantesten Ansätze zur Merkmalsextraktion
sind vertraut mit den wesentlichen Methoden zur robusten Objektrepräsentation
haben essentielle Algorithmen aus dem Bereich der Mustererkennung und des maschinellen Lernens verstanden und können diese auf neue Probleme übertragen und anwenden
sind in der Lage aktuelle Forschungsarbeiten aus dem Themenbereich der Vorlesung zu verstehen und in den Kontext der klassischen Arbeiten einzuordnen
können Objekterkennungsprobleme in neuen Anwendungen analysieren und die jeweils geeignete Algorithmik dazu abrufen um darauf aufbauend neue Lösungsansätze zu entwickeln
sind fähig Objekterkennungsverfahren differenziert zu bewerten und die Validität einer experimentellen Evaluation zu überprüfen
Lerninhalte Methoden und Modelle aus dem Bereich von Mid- und High-Level Computer Vision.
Insbesondere:
Objektdetektion und -klassifikation
lokale und globale Merkmalsextraktion
Modell-basierte Ansätze
Ansichten-basierte Methoden
generative/diskriminative Verfahren
Registrierung
Formanalyse
Voting Methoden
Hashing Verfahren
Hierarchische Objektrepräsentationen
Erkennung von menschlichen Aktionen
Lernverfahren für Objektrepräsentationen
Deep Learning
Teilnahme-
voraus-
setzungen
keine
Vergabe der LP und Modulendnote Bestehen der Modulprüfung
Nützliche Literatur