AGNES -
Lehre und Prüfung online
Studierende in Vorlesung
Anmelden

Tiefe neuronale Netze für Computer Vision - Detailseite

  • Funktionen:
  • Online Belegung noch nicht möglich oder bereits abgeschlossen
Grunddaten
Veranstaltungsart Seminar Veranstaltungsnummer 3313079
Semester SoSe 2020 SWS 2
Rhythmus Moodle-Link  
Veranstaltungsstatus Freigegeben für Vorlesungsverzeichnis  Freigegeben  Sprache deutsch
Belegungsfristen - Eine Belegung ist online erforderlich
Veranstaltungsformat Digital

Termine

Gruppe 1
Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer
Mi. 15:00 bis 17:00 wöch Johann von Neumann-Haus - 4.113 Rudower Chaussee 25 (RUD25) - (Unterrichtsraum) Eisert findet statt     25
Gruppe 1:
Zur Zeit keine Belegung möglich


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Eisert, Peter, Professor, Dr.-Ing.
Studiengänge
Abschluss Studiengang LP Semester
Master of Education (ISS)  Informatik 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (GYM)  Informatik 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (ISG)  Informatik 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2018 )   -  
Master of Education (GYM)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (ISS)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (BS)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (ISG)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2018 )   -  
Master of Science  Informatik Hauptfach ( Vertiefung: kein LA; POVersion: 2015 )   -  
Zuordnung zu Einrichtungen
Einrichtung
Mathematisch-Naturwissenschaftliche Fakultät, Institut für Informatik
Inhalt
Kommentar

Zu den wichtigen Aufgaben in Computer Vision zählen Objektdetektion und -klassifikation, Objektverfolgung und Szenenrekonstruktion. In den letzten Jahren wurden auf diesen Gebieten neben den klassischen Ansätzen auch verstärkt tiefe neuronale Netze (DNN) eingesetzt und beachtliche Erfolge damit erzielt, speziell wenn große Mengen an Trainingsdaten zur Verfügung stehen. Für viele Vision Aufgaben sind allerdings kaum gelabelte Trainingsdaten vorhanden oder Standardstrukturen der neuronalen Netze ungeeignet.

Im Rahmen des Seminars sollen daher neue Ansätze des Deep Learnings für Computer Vision Aufgaben untersucht und diskutiert werden. Wir wollen untersuchen, ob neuronale Netze besser funktionieren als herkömmliche Algorithmen, diskutieren dabei wichtige Kompromisse wie Leistung, Trainingszeit und benötigte Größe der Trainingdaten. Wir erarbeiten uns Hintergrundwissen zu tiefen neuronalen Netzwerkansätzen und untersuchen die Verbindung von klassischen Ansätzen mit DNNs genauso wie die Synthese von Bildern mit GANs. Dazu wird ein Überblick über relevante Literatur gegeben.

Bemerkung

LV findet in Deutsch statt, es müssen englische Paper gelesen werden.

Strukturbaum

Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2020. Aktuelles Semester: WiSe 2020/21.
Humboldt-Universität zu Berlin | Unter den Linden 6 | D-10099 Berlin