Leistungsnachweis |
Von jedem Seminarteilnehmer wird ein 30-minütiger Vortrag, eine 7-10 Seiten lange Ausarbeitung (10-16 Seiten für Master-Studenten), Anwesenheit, sowie eine aktive Mitarbeit erwartet. |
Lerninhalte |
Im Sommersemester 2020 beschäftigt sich das Seminar mit Verfahren des Content-based Image Retrievals (CBIR) zum Auffinden von Bildern, die einem gegebenen Anfragebild ähnlich sehen. Ein Beispiel für ein solches System ist die Rückwärtssuche der Google-Bildersuche.
Von klassischen Verfahren hin zu modernen Ansätzen, die auf Deep Learning basieren, stehen den Teilnehmern verschiedene Themen zur Auswahl. Unter anderem können folgende Aspekte behandelt werden:
- Problemstellungen, Anwendungsmöglichkeiten und Geschichte des Content-based Image Retrievals
- Klassische Verfahren, die auf Transformation und Aggregation lokaler Merkmale basieren
- "Neural Codes" für Image Retrieval mit vortrainierten Netzwerken
- Deep Metric Learning für Content-based Image Retrieval
- Deep Local Features
- Interaktives Image Retrieval
- Quantisierung und Hashing für effiziente approximative Nächste-Nachbar-Suche in großen, hochdimensionalen Datensätzen
- Vor- und Nachverarbeitung zur merkmalsunabhängigen Verbesserung der Reichweite der Anfrage (Query Expansion, Diffusion, Database-side Augmentation)
- Semantisches Image Retrieval
Das Seminar soll ein Überblick über die Thematik und verschiedene aktuelle sowie historisch bedeutsame Verfahren geben und deren Grundidee vermitteln. |