zurück zur Suche

Konvexe Optimierung für Computer Vision

IN2330Übergreifende Wahlmodule6 ECTSEnglischSommersemesterDepartment Computer Engineering
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst die Grundlagen der konvexen Analysis und deren Anwendung auf Optimierungsprobleme in der Bildverarbeitung und Computer Vision. Nach dem Modul kannst du gängige erste-Ordnung- und Proximalverfahren verstehen, anwenden und für typische CV-Aufgaben (z.B. Bildrekonstruktion, Segmentierung, Matrixfaktorisierung) implementieren.

Was du danach kannst

  • Grundlegende Werkzeuge der konvexen Analysis beherrschen
  • Verfahren erster Ordnung für konvexe Probleme mit Nebenbedingungen und nicht-differenzierbaren Funktionen anwenden
  • Sattelpunktformulierung und Dualität von Energieminimierungsproblemen ableiten
  • Konvergenzanalyse des Proximal Point Algorithmus verstehen und übertragen
  • Konvexe Optimierungsprobleme in Computer Vision selbstständig numerisch lösen

Aus was das Modul besteht

  • VorlesungInhalte werden vorgestellt und erklärt
  • ÜbungTheoretische und praktische Aufgaben in Gruppenarbeit zur Vertiefung

Lehrmethode

  • Vorlesung mit ÜbungVortrag der Inhalte; Übungsgruppen erarbeiten Aufgaben zur Vertiefung
  • Just-in-Time-Teaching (kurze Wiederholung und Q&A zu Beginn jeder Vorlesung)Adressieren von Verständnisproblemen und Festigung des Stoffes
Keine Termine im laufenden Semester
Für dieses Modul liegen im aktuellen Semester keine Kurstermine vor, oder die Zuordnung fehlt noch.

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.