Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage die wichtigsten Theorien, Prinzipien, Konzepte und Algorithmen der Computer Vision zu benennen, erklären und gegenüberzustellen. Ihr Wissen und Verstehen entspricht dem Stand der Fachliteratur im Bereich der Computer Vision. Sie sind in der Lage geeignete formal-mathematischer Methoden zur Modellbildung, Abstraktion, Lösungsfindung und Evaluation anzuwenden und erlangen Problemformulierungs- und Problemlösungskompetenz.
Wie können Computer die visuelle Welt der Menschen verstehen? Dieser Kurs behandelt Vision als einen Prozess aus verrauschten und unsicheren Daten und betont probabilistische und statistische Ansätze. Themen sind ua: Struktur von Bildern, Textur, Szenen und Context, Feature Based Alignment, Stereo Korrespondenz, Struktur aus Motion, Image Stitching, Computational Photography, Image Based Rendering und Baysian Modeling zu Zweck der Objekterkennung. Diese Lehrveranstaltung ist für Studierende die sich für Vision, künstliche Intelligenz, oder maschinelles Lernen interessieren, gedacht. Sie bietet eine umfassende Einführung in das Feld, zeigt die aktuellen Probleme und Theorien, die grundlegende Mathematik und einige interessante Algorithmen sowie die Möglichkeit, den Inhalt direkt in Übungen anzuwenden.
Frontalvortrag und schriftliche Prüfung, selbständiges Lösen und wissenschaftliche Diskussion von fachbezogenen Beispielen und Abgaben. Die Lehrveranstaltung besteht aus einem Vorlesungsteil und einem Übungsteil. Die beschriebenen Inhalte und Konzepte werden im Rahmen der Vorlesungseinheit erläutert und im Übungsteil praktisch erprobt und angewendet.
Übungsteil: 6 Programmierbeispiele (z.B. Image Stitching, Bildklassifizierung mittels Deep Learning) in Python in 3er Gruppen mit zwei Abgabegesprächen.
Bitte beachten Sie den Zeitplan auf der Homepage der LVA (siehe unten), es finden nicht zu allen Terminen Vorlesungen statt!
Nähere Infos zum Ablauf finden Sie auf der Homepage der LVA.
ECTS Breakdown: 4.5 ECTS = 112.5h
24h Vorlesung12h Lösen der Übungsbeispiele mittels Python (mit Tutor-Unterstützung)25h Erstellung eines Reports zur Dokumentation der Übungsergebnisse0.5h Abgabegespräch zur Übung49h Prüfungsvorbereitung2h Prüfung-----112.5h
Ausarbeitung von Übungsbeispielen/Abgabegespräche, schriftliche Prüfung. (Gewichtung 40:60)
Student groups are formed by registering for one of the groups listed in the corresponding TUWEL course. Please register for a group at your preferred time of day: Thursday 9-11 or 11-13. In the first session the group assignments will be fixed.
The course is based on a new book, Computer Vision: Algorithms and Applications, by Richard Szeliski, which is on the web for free right now.
des derzeit gültigen Studienplans des Bachelorstudiums Medieninformatik und Visual Computing.
Python-Kenntnisse vorteilhaft, aber nicht notwendig.