Modul CS4250-KP04, CS4250

Dauer

1 Semester

Angebotsturnus

Jedes Sommersemester

Leistungspunkte

4

Studiengang, Fachgebiet und Fachsemester:

• Master Mathematik in Medizin und Lebenswissenschaften 2023, Wahlpflicht, Informatik, 2. oder 3. Fachsemester
• Master Medizinische Ingenieurwissenschaft 2020, Wahlpflicht, Informatik/Elektrotechnik, Beliebiges Fachsemester
• Master Informatik 2019, Wahlpflicht, Wahlpflicht, Beliebiges Fachsemester
• Master Medieninformatik 2020, Wahlpflicht, Informatik, Beliebiges Fachsemester
• Master Biophysik 2019, Wahlpflicht, Wahlpflicht, 2. Fachsemester
• Master Biomedical Engineering, Wahlpflicht, Vertiefung, 2. Fachsemester
• Master Mathematik in Medizin und Lebenswissenschaften 2016, Wahlpflicht, Informatik, 2. oder 3. Fachsemester
• Master Medizinische Ingenieurwissenschaft 2014, Wahlpflicht, Informatik/Elektrotechnik, 1. oder 2. Fachsemester
• Master Medieninformatik 2014, Wahlpflicht, Informatik, Beliebiges Fachsemester
• Master Informatik 2012, Wahlpflicht, Vertiefungsblock Bildgebende Systeme, 2. oder 3. Fachsemester
• Master Mathematik in Medizin und Lebenswissenschaften 2010, Pflicht, MML/Bildgebung, 2. Fachsemester
• Master Medizinische Ingenieurwissenschaft 2011, Vertiefung, Bildgebende Systeme, Signal- und Bildverarbeitung, 2. Fachsemester
• Master Informatik 2012, Wahlpflicht, Vertiefungsblock Signal- und Bildverarbeitung, 2. oder 3. Fachsemester
• Master Informatik 2012, Pflicht, Anwendungsfach Robotik und Automation, 2. Fachsemester
• Master Informatik 2012, Pflicht, Anwendungsfach Bioinformatik, 2. Fachsemester
• Master Informatik 2012, Wahlpflicht, Vertiefungsblock Intelligente Eingebettete Systeme, 2. Fachsemester

Lehrveranstaltungen:

• CS4250-Ü: Computer Vision (Übung, 1 SWS)
• CS4250-V: Computer Vision (Vorlesung, 2 SWS)

Workload:

• 45 Stunden Präsenzstudium
• 55 Stunden Selbststudium
• 20 Stunden Prüfungsvorbereitung

Lehrinhalte:

• Einführung in das biologische und künstliche Sehen
• Sensoren, Kameras und optische Abbildungen
• Bildmerkmale: Kanten, intrinsische Dimension, Hough-Transformierte, Fourier-Deskriptoren, Snakes
• Tiefensehen, 3D-Kameras
• Bewegungsschätzung und optischer Fluss
• Objekterkennung
• Beispielanwendungen

Qualifikationsziele/Kompetenzen:

• Studierende können die Grundlagen des künstlichen Sehens verstehen.
• Sie können die Auswahl und Kalibrierung von Kamerasystemen erklären und durchführen.
• Sie können die wichtigsten Methoden zur Merkmalsextraktion, Bewegungsschätzung, und Objekterkennung erklären und umsetzen.
• Sie können für unterschiedliche Probleme des künstlichen Sehen beispielhafte Lösungsansätze angeben.

Vergabe von Leistungspunkten und Benotung durch:

• Mündliche Prüfung

Modulverantwortliche:

• Prof. Dr.-Ing. Erhardt Barth

Lehrende:

• Institut für Neuro- und Bioinformatik
• Prof. Dr.-Ing. Erhardt Barth

Literatur:

• Richard Szeliski : Computer Vision: Algorithms and Applications Springer, Boston, 2011
• David Forsyth and Jean Ponce : Computer Vision: A Modern Approach Prentice Hall, 2003

Sprache:

• Englisch, außer bei nur deutschsprachigen Teilnehmern

Bemerkungen:

Letzte Änderungen:

01.02.2022