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

RS: Fortgeschrittene Methoden im Rechnersehen - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Seminar Langtext
Veranstaltungsnummer 36258 Kurztext FMI-IN0110
Semester WS 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 Standardbelegung Wintersemestersemester 2019/20 ab dem 19.08.2019
Abmeldefristen B1 - Belegung ohne Abmeldung    19.08.2019 09:00:00 - 07.10.2019 07:59:59   
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
B2 - Belegung mit Abmeldung 6 Wochen    07.10.2019 08:00:00 - 25.11.2019 23:59:59   
Nach Zulassung ist eine Abmeldung auch durch den Teilnehmer möglich.
B3 - Belegung ohne Abmeldung    26.11.2019 00:00:01 - 17.02.2020 07:59:59    aktuell
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 Do. 10:00 bis 12:00 w. 17.10.2019 bis
06.02.2020
    findet statt

Raum 1219 EAP

 
Gruppe 1-Gruppe:



Zugeordnete Person
Zugeordnete Person Zuständigkeit
Korsch, Dimitri , M.Sc. verantwortlich
Module / Prüfungen
Modul Prüfungsnummer Titel VE.Nr. Veranstaltungseinheit
FMI-IN0110 Seminar Fortgeschrittene Methoden im Rechnersehen
P-Nr. : 51101 Seminar Fortgeschrittene Methoden im Rechnersehen: Vortrag und schriftl. Ausarbeitung
51103 Seminar Fortgeschrittene Methoden im Rechnersehen: Seminar
Zuordnung zu Einrichtungen
Fakultät für Mathematik und Informatik
Inhalt
Kommentar

Ort: Raum 1219 E.-Abbe-Platz 2

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:

  • 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

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. 

Andere Themenvorschläge sind natürlich auch willkommen!

Vorbesprechung, Einführung, und Terminfindung finden in der ersten Semesterwoche am Donnerstag, den 17.10.2019 um 10 Uhr im EAP 2, R 1219 (Roboter-Labor des Lehrstuhls) statt. Bei Bedarf kann dieser Termin auch verlegt werden.

Strukturbaum
Die Veranstaltung wurde 1 mal im Vorlesungsverzeichnis WiSe 2019/20 gefunden:
Seminare  - - - 1

Impressum