Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

Anwendungspraktikum 3D-Rechnersehen/Projekt Intelligente Systeme - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Praktikum Langtext
Veranstaltungsnummer 66187 Kurztext FMI-IN0111
Semester WS 2016 SWS 6
Teilnehmer 1. Platzvergabe 10 Max. Teilnehmer 2. Platzvergabe 10
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning-Plattform
Hyperlink
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.

Nach Zulassung ist eine Abmeldung auch durch den Teilnehmer möglich.

Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.



Zugeordnete Person
Zugeordnete Person Zuständigkeit
Korsch, Dimitri , M.Sc. verantwortlich
Zuordnung zu Einrichtungen
Fakultät für Mathematik und Informatik
Inhalt
Bemerkung

Auf Grund der hohen Praxisrelevanz des Projektes dürfen im Rahmen einer Sonderregelung auch Bachelor-Studenten am Praktikum teilnehmen und dies als Modul "Intelligente Systeme" (FMI-IN0044) abrechnen.

Voraussetzungen
  • Kenntnisse in Linearer Algebra, Analysis, Stochastik/Statistik
  • Rechnersehen-Module sind empfehlenswert
Lerninhalte


Die Anwendungsgebiete vom maschinellen Sehen sind weit gefächert: Von Objekterkennung über Bildsuch-Systeme bis hin zum Rekonstruieren von 3D Objekten aus einer Menge von Bildern des Objekts. In diesem Praktikum sollen diese Anwendungsgebiete weiter erkundet werden. Es werden verschiedene Techniken zur Bildverarbeitung und maschinellem Lernen, die man schon aus den Vorlesungen Rechnersehen 1 und 2 kennt, angewandt. Man lernt diese in praktischen Anwendungen zu benutzen und zu evaluieren. Außerdem steht strukturiertes Arbeiten (evtl im Team) an einer komplexen Themenstellung und wissenschaftliches Arbeiten im Vordergrund.

Mögliche Themen mit einigen Schwerpunkten sind hier kurz dargestellt:

Semantische Video-Segementierung

  • analysieren von Video-Frames (evtl. auch Ton)
  • extrahieren von "Keyframes" welche sich am besten dazu eignen das gegebene Video zusammenzufassen

Evolutionäre Spiel-Strategien

  • Entwickeln von neuronalen Netzen als Strategien für mathematische Spiele (wie zb. Tic-Tac-Toe, Gefangenen-Dilemma)
  • Erstellen eines Frameworks, welches eine evolutionäre Entwicklung von diesen Strategien ermöglicht

3D Objekt-Rekonstruktion anhand von 2D Bildern

  • Analysieren von Bildern, Extraktion von wiedererkennbaren Merkmalen
  • Erstellung einer schematischen Darstellung des gegebenen Objekts

Andere Themenvorschläge sind natürlich auch willkommen!


In Kleingruppen und freier Terminplanung werden einzelne Arbeitsschritte bearbeitet, welche in naher Zukunft genauer spezifiziert werden.

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2016 , Aktuelles Semester: WiSe 2019/20

Impressum