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

Fortgeschrittene Methoden im Rechnersehen - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Seminar Langtext
Veranstaltungsnummer 36258 Kurztext FMI-IN0110
Semester WS 2016 SWS 2
Teilnehmer 1. Platzvergabe 10 Max. Teilnehmer 2. Platzvergabe 10
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning-Plattform
Hyperlink
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.
Termine Gruppe: 1-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine anzeigen kA.  bis  Block 17.10.2016 bis
03.02.2017
    findet statt  
Gruppe 1-Gruppe:



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

  • SLIC Superpixels - maschinenelle Bildsegmentierung (Achanta et al., 2012, TPAMI)
  • Überblick Deep Learning (LeCun et al., 2015, Nature)
  • Fast Feature Pyramids - Beschleunigung der Objekterkennung durch Extrapolation (Dollar et al., 2014, IEEE)
  • Scalable Object Detection using Deep Neural Networks (Erhan et el., 2014, CVPR)
  • Fine-grained recognition - Unterscheidung von visuell ähnlichen Kategorien (Zhang et al., 2014, ECCV)
  • Gauss-Prozess-Modelle für die visuelle Objekterkennung (Kapoor et al., 2010, IJCV)
  • Weitere Vorschläge können gern erbracht werden!

Andere Themenvorschläge sind natürlich auch willkommen!

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

Impressum