Computer Vision (VU)

Course Details

Lecturer

Robert Sablatnig
Sebastian Zambanini

LVA-Nr.

183.585

Typ

Vorlesung mit Übung (VU)

Links

TISS

TUWEL

  • Termine
    • Vorlesungsteil geblockt: DI 14:00 – 16:00,  EI 8, DO, FR 13:00 – 14:00 EI 10, (Beginn am 10.10.2017, Ende 1.12.2017) siehe auch Zeitplan
    • Übungsteil: MI 13:00 – 15:00 sowie 15:00-17:00 im 2-Wochen-Rhythmus, siehe Zeitplan im TUWEL (Beginn am 11.10.2017).
  • Ort:
  • Die Abwicklung des Übungsteils erfolgt über den dazugehörigen TUWEL-Kurs. Im Laufe des Semester sind für den Übungsteil in 3er-Gruppen diverse Aufgaben mittels Matlab zu lösen. Zur Unterstützung wird es betreute Übungszeiten geben, die 6x im Semester stattfinden (ca. alle 2 Wochen). Bitte melden Sie sich im TISS zu einer 3er-Gruppe an. Anwesenheitspflicht herrscht nur bei der 1. Einheit.
  • Vorlesungsprüfung: Anmeldung im TISS

Computer sind in ihrer Fähigkeit, mit der Welt und mit den menschlichen Benutzern interagieren noch eingeschränkt, weil sie nicht “sehen” können. Wenn man sich mit Computer-Vision beschäftigt, so muss man sich auch die Physik der Welt versuchen zu verstehen, zum Beispiel wie das Licht an Oberflächen reflektiert wird, wie sich Objekte bewegen, und wie alle diese Informationen auf ein Bild durch die Optik der Kamera projiziert werden. Es erfordert auch, dass wir Algorithmen entwickeln, die einige dieser physikalischen Eigenschaften aus einem oder aus mehreren Bildern rekonstruieren. Dieses “inverse” Problem ist eigentlich ein großes Puzzle. Informationen gehen verloren, wenn die dreidimensionale Welt auf ein zweidimensionales Bild projiziert wird, wie können wir nun diese Informationen aus einem Bild wiederherstellen? Diese Lehrveranstaltung zeigt die grundlegenden Algorithmen die dieses Ziel erreichbar machen und entwickelt Methoden zur Lösung verschiedener inverser Probleme. Aber Vision ist mehr als nur die Rekonstruktion der 3D-Welt aus 2D-Bildern, es beschäftigt sich auch mit der Extraktion von Semantik. Die Lehrveranstaltung zeigt auch grundlegende Methoden des maschinellen Lernens und probabilistischer Inferenz Methoden, um dieses Problem zu lösen.

Auch wenn Sie nicht vorhaben sich weiter mit Computer-Vision zu beschäftigen können die grundlegenden Werkzeuge und Techniken, die dort verwendet werden in vielen anderen Bereichen nützlich sein. Für all jene die sich näher mit Computer Vision beschäftigen wollen bietet diese Lehrveranstaltung eine gute Basis um sich weiter vertiefen zu können

Inhalt:

  • einen Blickwinkel auf viele Bereiche der aktuellen Computer Vision Forschung
  • eine Umsetzung von Programmieraufgaben um praktische Erfahrungen mit der Arbeiten mit Bildern und Bildsequenzen zu sammeln
  • die Anwendung von linearer Algebra und Analysis für etwas was man in der Realität brauchen kann

Organisation: