Lerninhalte |
Mit der Verbreitung von digitalen Kameras im privaten Bereich ist der Bedarf an Anwendungen zur automatisierten Analyse aufgenommener Bilder rasant gewachsen. In diesem Seminar werden wir daher Techniken analysieren, welche in der Grenze von Maschinellem Lernen und Digitaler Bildverarbeitung angesiedelt sind. Zur Auswahl steht dabei eine breite Vielfalt von möglichen Themen, welche von unüberwachtem Bildverstehen bis hin zu Deep Learning für visuelle Erkennung reicht.
Es sind unter anderem folgende Themen zu vergeben:
- Unüberwachte Bild-Segmentierung (Achanta et al., 2012, TPAMI)
- Gauss-Prozess-Modelle für die visuelle Objekterkennung (Kapoor et al., 2010, IJCV)
- Fine-grained recognition: Unterscheidung von visuell ähnlichen Kategorien (Zhang et al., 2014, ECCV)
- Semantische Segmentierung mit Convolutional Neural Networks (Long et al., 2015, CVPR)
- Überblick Deep Learning (LeCun et al., 2015, Nature)
- Weitere Vorschläge können gern erbracht werden!
In diesem Seminar werden wir uns mit Anwendungen der Bildverarbeitung und visuellen Erkennung beschäftigen. Aktuell ist ein massiver Trend zu beobachten bei dem viele Verfahren der Bildverarbeitung auch in der Praxis Anwendung finden.Das Seminar soll ein Überblick über verschiedene aktuelle Systeme geben und deren Grundidee vermitteln. Es werden keine Vorkenntnisse im Bereich der Bildverarbeitung benötigt, sind aber von Vorteil.
Von jedem Seminarteilnehmer wird ein 30 minütiger Vortrag erwartet, eine 7–10 Seiten lange Ausarbeitung, Anwesenheit, sowie aktive Mitarbeit.
Vorbesprechung, Einführung, und Terminfindung finden in der ersten Semesterwoche am Montag, 4.4.2016, 16:00 Uhr im EAP 2, R 1222A (Studenten-Labor) statt. Bei Bedarf kann dieser Termin auch verlegt werden. |