Computer Vision III: Detektion, Segmentierung und Tracking

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