392020 Deep Learning Ansätze in der Bildverarbeitung (S) (SoSe 2023)
Short comment
-
Die Teilnahme am Freitag 14. 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 392016 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 | 03.04.-14.07.2023
not on: 4/7/23 |
Subject assignments
| Module | Course | Requirements | |
|---|---|---|---|
| 39-Inf-BV Bildverarbeitung | Seminar zu ausgewählten Themen aus dem Bereich Bildverarbeitung | Ungraded 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.
- E-Learning Space
- E-Learning Space
- Registered number: 31
- 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.
- Address:
- SS2023_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_386784056@ekvv.uni-bielefeld.de
- Coverage:
- 25 Students to be reached directly via email
- Notes:
- Additional notes on the electronic mailing lists
- Last update basic details/teaching staff:
- Thursday, March 9, 2023
- Last update times:
- Thursday, February 2, 2023
- Last update rooms:
- Thursday, February 2, 2023
- Type(s) / SWS (hours per week per semester)
- seminar (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=386784056
- Send page to mobile
-
Click to open QR code
Scan QR code:
- ID
- 386784056