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.

In der Vorlesung werden fortgeschrittene Methoden der Computer Vision vertiefend behandelt:

• Grundlagen in CV
  • Was ist Computer Vision?
  • Wieso ist Computer Vision schwierig?
  • State-Of-The-Art Anwendung
• Image Formation
  • Pinhole Model
  • 2D Transformations
  • 3D Transformations
  • Camera Matrix
  • Photometry (Was ist Licht?)
  • Thin Lens Camera
• Image Filtering
  • Point Operations
  • Linear Filters
  • Image Pyramids
• Local Features
  • Corner Detection
  • SIFT
• Image Classification
  • Challenges of Image Classification
  • Classification Methods (KNN, Clustering, Decision Trees, Random Forest, Linear Classification)
  • Neural Networks
  • Convolutional Neural Network (CNN)
  • CNN Architectures
  • Pretraining and Finetuning
• Object Detection
• Image Segmentation
• Instance Segmentation
• 3D Reconstruction
  • Epipolar Geometry
  • Structure from Motion
  • Bundle Adjustment
  • Stereo Matching
  • Block Matching
• 3D Data
  • Image-based Neural Networks
  • Voxel-based Neural Networks
  • Point-based Neural Networks
  • Graph-based Neural Networks
  • Coordinate-based Neural Networks

Vorträge der theoretischen Konzepte mittels Folien, Programmieraufgaben.

ECTS-Aufteilung (Schätzung, Empfehlung):

28 Std. Vorlesung
54 Std. Vorbereitungs-Einheiten, individuelle Vorbereitung und Tests
68 Std. Übungsaufgaben lösen und Abgabegespräche
---------------------------------------------
150 Std. entspricht 6 ECTS zu je 25 Std.

Abgabe von 5 Übungsbeispielen

Ablegung von 1 Test

Mathematik: Vektor und Matrizenrechnung, aus Lineare Algebra
Programmieren, objektorientiertes Programmieren
Computer Vision Kenntnisse, aus Modul Einführung in Visual Computing (beide Teile) sowie dessen Voraussetzungsmodule

Python-Kenntnisse vorteilhaft, aber nicht notwendig.