392020 Deep Learning Ansätze in der Bildverarbeitung (S) (SoSe 2024)

Short comment

Diese Veranstaltung wird dieses Sommersemester evtl. zum letzten Mal angeboten

Die Teilnahme am Freitag 12. April ist obligatorisch, da hier die Seminarthemen verteilt werden.
Diese Veranstaltung ist nicht für Studierende des Masterstudiengangs Interdisziplinäre Medienwissenschaft geöffnet. Studierende dieses Studiengangs belegen bitte die Veranstaltung 392022 Grundlagen der Virtuellen und Erweiterten Realität.

Contents, comment

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.

Requirements for participation, required level

Die Kenntnisse der Vorlesung "Bildverarbeitung" und der dazugehörigen Übungen werden vorausgesetzt.

Teaching staff

Dates ( Calendar view )

Frequency Weekday Time Format / Place Period  
weekly Fr 12-14 V2-213 08.04.-19.07.2024

Subject assignments

Module Course Requirements  
39-Inf-BV Bildverarbeitung Seminar zu ausgewählten Themen aus dem Bereich Bildverarbeitung Ungraded examination
Student information
39-Inf-WP-MC-x Media Computing (Schwerpunkt) Vertiefendes Seminar Student information
- Graded examination Student information
39-Inf-WP-SR-x Signalverarbeitung & Regelungstechnik (Schwerpunkt) Vertiefendes Seminar Student information
- Graded examination Student information

The binding module descriptions contain further information, including specifications on the "types of assignments" students need to complete. In cases where a module description mentions more than one kind of assignment, the respective member of the teaching staff will decide which task(s) they assign the students.


No more requirements

E-Learning Space

A corresponding course offer for this course already exists in the e-learning system. Teaching staff can store materials relating to teaching courses there:

Registered number: 19 (1)
This is the number of students having stored the course in their timetable. In brackets, you see the number of users registered via guest accounts.
eKVV participant management:
eKVV participant management is used for this course.
Show details
Address:
SS2024_392020@ekvv.uni-bielefeld.de
This address can be used by teaching staff, their secretary's offices as well as the individuals in charge of course data maintenance to send emails to the course participants. IMPORTANT: All sent emails must be activated. Wait for the activation email and follow the instructions given there.
If the reference number is used for several courses in the course of the semester, use the following alternative address to reach the participants of exactly this: VST_448433091@ekvv.uni-bielefeld.de
Coverage:
18 Students to be reached directly via email
Notes:
Additional notes on the electronic mailing lists
Email archive
Number of entries 1
Open email archive
Last update basic details/teaching staff:
Tuesday, February 13, 2024 
Last update times:
Thursday, February 1, 2024 
Last update rooms:
Thursday, February 1, 2024 
Type(s) / SWS (hours per week per semester)
S / 2
Department
Faculty of Technology
Questions or corrections?
Questions or correction requests for this course?
Planning support
Clashing dates for this course
Links to this course
If you want to set links to this course page, please use one of the following links. Do not use the link shown in your browser!
The following link includes the course ID and is always unique:
https://ekvv.uni-bielefeld.de/kvv_publ/publ/vd?id=448433091
Send page to mobile
Click to open QR code
Scan QR code: Enlarge QR code
ID
448433091