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 |