Computer Vision und Maschinelles Lernen 2

Worum geht's

Du beschäftigst Dich mit fortgeschrittenen Methoden der Computer Vision und des maschinellen Lernens. Im Vision-Teil lernst Du Bildrepräsentationen, Merkmalsextraktion sowie Szenen- und Objekterkennung und -verfolgung; im Machine-Learning-Teil vertiefst Du tiefe Feed-Forward- und rekurrente Netzwerkarchitekturen. Am Ende kannst Du Verfahren zur Repräsentation, Erkennung und Verfolgung in Bild- und Videoszenen entwickeln, analysieren und praktisch anwenden.

Was du danach kannst

• Anwendung und Analyse von Verfahren zur abstrakten Repräsentation von Bilddaten
• Entwicklung, Analyse und Anwendung von Verfahren zur Merkmalsextraktion
• Entwicklung von Modellen zur Beschreibung der 3D-Szenengeometrie
• Herleitung und Modellierung von Konzepten zur räumlichen Objektdetektion und raumzeitlichen Objektverfolgung
• Mathematische Herleitung von Modellen zur Geometrieabschätzung aus Bewegung, Schattierung, Fokus etc.
• Analyse und Generalisierung von Perzeptronmodellen zu Multi-Layer-Netzen
• Herleitung und Modellierung von Feed-Forward- und rekurrenten Netzwerkarchitekturen
• Anwendung ausgewählter Netzwerkarchitekturen auf reale Probleme

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen in Computer Vision und fortgeschrittenen Machine-Learning-Methoden
• Programmierübungen in Kleingruppenpraktische Umsetzung und Übung der Algorithmen
• LiteraturrechercheVertiefung und selbstständige Auseinandersetzung mit Fachliteratur
• Impulsvorträge der Studierendenaktive Beteiligung und Präsentation ausgewählter Themen

Lehrmethode

• Vorträge der DozierendenEinführung und Erklärung zentraler Konzepte
• Programmierübungen in Kleingruppenpraktische Vertiefung und Anwendung der Methoden
• LiteraturrechercheErarbeitung und Vertiefung spezialisierter Inhalte
• Impulsvorträge der StudierendenFörderung der Präsentations- und Diskussionsfähigkeiten