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! |