Deep Learning ist im Bereich Rechnersehen mittlerweile allgegenwärtig. Tiefe neuronale Netze finden in fast allen Bereichen des Lebens Einzug: Bei der Gesichtserkennung im Smartphone, in verschiedensten Bereichen der Medizin oder durch autonomes Fahren im Straßenverkehr.
Problematisch ist, dass es für den Mensch oft nicht nachvollziehbar ist, wie die Vorhersage eines neuronalen Netzes zustande kommt (Black-Box-Modell). Gerade in kritischen Bereichen ist es daher wichtig, die Verlässlichkeit der Ausgaben einschätzen zu können: Ob es sich mit 2-prozentiger oder 20-prozentiger Wahrscheinlichkeit um einen bösartigen Krebs handelt, könnte für die Behandlung schließlich einen entscheidenden Unterschied machen!
Im Rahmen des Seminars werden wir uns daher mit dem Umgang mit Unsicherheit im Rechnersehen beschäftigen:
- Welche Ursachen für Unsicherheit gibt es?
- Reicht es vielleicht schon, die standardmäßig vom Netz mitgelieferten Konfidenzen zu verwenden?
- Welche aktuellen Möglichkeiten gibt es, eine gute Schätzung der Modellunsicherheit zu liefern?
- ...
Dabei soll das Seminar einen grundlegenden Überblick über den Umgang mit Unsicherheit in der maschinellen Bildverarbeitung geben und die Ideen von aktuellen Techniken vermitteln.
Eigene Themenvorschläge sind ebenfalls willkommen! |
