Dieses Seminar behandelt Ansätze des sogenannten "Deep Learning" in der Bildverarbeitung, die in den letzten Jahren eine rasante Entwicklung genommen haben und in fast allen Problemstellungen der Bildverarbeitung Einzug gefunden haben. Grundansatz ist, dass neuronale Netze mit vielen Schichten trainiert werden. Um die Anzahl der Gewichtsparameter wenigstens halbwegs zu begrenzen, verwendet man zu Beginn oftmals sogenannte "Convolutional Networks", die im Prinzip komplexe Filtermasken darstellen, wie wir sie in der Vorlesung im Wintersemester bereits kennengelernt haben. Im Gegensatz zu den Filtermasken, die wir bislang verwendet haben, sind die Koeffizienten nicht fest vorgegeben, sondern werden problemspezifisch trainiert.
Im Lauf des Seminars werden wir unterschiedliche Ansätze aus den Bereichen Segmentierung, Objektdetektion, Objekterkennung, Erkennung salienter Bereiche und spezifischer Anwendungen näher betrachten.
Die Kenntnisse der Vorlesung "Bildverarbeitung" und der dazugehörigen Übungen werden vorausgesetzt.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
39-Inf-BV Bildverarbeitung | Seminar zu ausgewählten Themen aus dem Bereich Bildverarbeitung | unbenotete Prüfungsleistung
|
Studieninformation |
39-Inf-WP-MC-x Media Computing (Schwerpunkt) | Vertiefendes Seminar | Studieninformation | |
- | benotete Prüfungsleistung | Studieninformation | |
39-Inf-WP-SR-x Signalverarbeitung & Regelungstechnik (Schwerpunkt) | Vertiefendes Seminar | Studieninformation | |
- | benotete Prüfungsleistung | Studieninformation |
Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.
Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen: