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

Rechnersehen - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Seminar Langtext
Veranstaltungsnummer 22988 Kurztext FMI-IN0049
Semester SS 2019 SWS 2
Teilnehmer 1. Platzvergabe 10 Max. Teilnehmer 2. Platzvergabe 10
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning-Plattform Moodle  
Hyperlink
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen B1 - Belegung ohne Abmeldung    18.02.2019 09:00:00 - 01.04.2019 07:59:59   
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
B2 - Belegung mit Abmeldung 6 Wochen    01.04.2019 08:00:00 - 20.05.2019 23:59:59   
Nach Zulassung ist eine Abmeldung auch durch den Teilnehmer möglich.
B3 - Belegung ohne Abmeldung    21.05.2019 00:00:01 - 19.08.2019 07:59:59   
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 Di. 16:00 bis 18:00 14t. 16.04.2019 bis
09.07.2019
    findet statt  
Gruppe 1-Gruppe:



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

Wenn es um Bildverarbeitung oder Rechnersehen geht, hat kaum einer noch nichts von Deep Learning gehört. Diese Methode des maschinellen Lernens ermöglicht es Systeme zur Objekterkennung zu erstellen, die nicht auf handgemachte Merkmale angewiesen sind. Stattdessen, wird die Bildinformation selbst dem System präsentiert. Das System wandelt dann das Bild in eine passende Repräsentation um und anhand dieser Repräsentation werden Schlüsse auf die Objektkategorie gezogen.

Aktuelle Systeme versuchen nicht nur eine bestmögliche Repräsentation zu finden. Einige Systeme bestimmen welche Bereiche des Bildes für die Erkennungsaufgabe am relevantesten sind (Attention Networks). Andere systeme lernen eine geeignete Kombination der sogenannten Zwischen-Repräsentation.

Im Rahmen des Seminars werden solche Systeme betrachtet. Dazu stehen unter anderem folgende Themen zur Auswahl:

  • Increasingly Specialized Ensemble of CNNs For Fine-Grained Recognition
  • Weighted Generalized Mean Pooling for Deep Image Retrieval
  • General Recurrent Attention Model for Jointly Multiple Object Recognition and Weakly Supervised
  • Multi-exposure Fusion with CNN Features
  • Progressive Attention Guided Recurrent Network for Salient Object Detection
  • Learning a Discriminative Filter Bank Within a CNN for Fine-Grained Recognition
  • Learning Multi-attention CNN for Fine-Grained Image Recognition

Das Seminar soll ein Überblick über verschiedene aktuelle Systeme geben und deren Grundidee vermitteln. Eine gewisse Vorbildung im Bereich der digitalen Bildverarbeitung ist wünschenswert, aber nicht zwingend erforderlich. Von jedem Seminarteilnehmer wird ein 30-minütiger Vortrag, eine 7 bis 10 Seiten lange Ausarbeitung, Anwesenheit, sowie eine aktive Mitarbeit erwartet.

Vorbesprechung, Einführung, und Terminfindung finden in der zweiten Semesterwoche am Dienstag, den 16.04.2019 um 16 Uhr im EAP 2, R 1222A (Studenten-Labor) statt. Bei Bedarf kann dieser Termin auch verlegt werden.

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

Impressum