zurück zur Suche

Computer Vision III: Detection, Segmentation, and Tracking

IN2375Wahlmodule Informatik: Games Engineering6 ECTSEnglischWintersemesterDepartment Computer Science

In 1 Stundenplänen von Kommilitonen

KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst moderne Methoden zur Objekterkennung, Segmentierung und Verfolgung in Bildern und Videos kennen. Am Ende verstehst du die zugrundeliegenden Deep-Learning-Konzepte und kannst reale Computer-Vision-Probleme mit state-of-the-art Modellen in PyTorch bearbeiten.

Was du danach kannst

  • Verständnis von Proposal-basierten und One-Stage-Detektoren
  • Anwendung von Instance-, Semantic- und Panoptic-Segmentation
  • Methoden für Video Object Segmentation und Visual Object Tracking
  • Mehrfach-Objektverfolgung und Trajektorienvorhersage
  • Einsatz von Graph Neural Networks und 3D-Tracking-Ansätzen

Aus was das Modul besteht

  • VorlesungVermittlung theoretischer Hintergründe zu neuronalen Netzen und Deep-Learning-Architekturen für Detection, Segmentation und Tracking
  • Praktische EinheitenHands-on-Arbeit mit State-of-the-Art-Modellen in PyTorch; zentrale Rolle für das Verständnis und die Umsetzung

Lehrmethode

  • Vorlesungerklärt die theoretischen Grundlagen und Modelle
  • Praktische Übungen/Projektemachen Studierende mit Implementierung, Training und Optimierung vertraut

Termine

Vorlesung mit ÜbungComputer Vision III: Detektion, Segmentierung und Tracking (IN2375)

Aus dem laufenden Semester, unverbindlich.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.