Modul RO4300-KP08

Dauer

2 Semester

Angebotsturnus

In der Regel jährlich, vorzugsweise im WiSe

Leistungspunkte

8

Studiengang, Fachgebiet und Fachsemester:

• Master Robotics and Autonomous Systems 2019, Pflicht, Pflicht-Lehrmodule, 1. und 2. Fachsemester

Lehrveranstaltungen:

• CS4250-Ü: Computer Vision (Übung, 1 SWS)
• CS4250-V: Computer Vision (Vorlesung, 2 SWS)
• CS5450-Ü: Maschinelles Lernen (Übung, 1 SWS)
• CS5450-V: Maschinelles Lernen (Vorlesung, 2 SWS)

Workload:

• 90 Stunden Präsenzstudium
• 110 Stunden Selbststudium
• 40 Stunden Prüfungsvorbereitung

Lehrinhalte:

• Lehrinhalte in der Veranstaltung Maschinelles Lernen:
• Lernen von Repräsentationen
• Statistische Lerntheorie
• VC-Dimension und Support-Vektor-Maschinen
• Boosting
• Deep Learning
• Grenzen der Induktion und Gewichtung der Daten
• Lehrinhalte in der Veranstaltung Computer Vision:
• 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:

• Lernziele in der Veranstaltung Maschinelles Lernen:
• Studierende können unterschiedliche Lernprobleme erläutern.
• Sie können unterschiedliche Verfahren des maschinellen Lernens erklären und beispielhaft anwenden.
• Sie können für eine gegeben Problemstellung ein geeignetes Lernverfahren auswählen und testen.
• Sie können die Grenzen der automatischen Datenanalyse erkennen und erläutern.
• Lernziele in der Veranstaltung Computer Vision:
• 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 Problemen 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
• Prof. Dr. rer. nat. Thomas Martinetz

Literatur:

• Chris Bishop : Pattern Recognition and Machine Learning Springer ISBN 0-387-31073-8
• Vladimir Vapnik : Statistical Learning Theory Wiley-Interscience, ISBN 0471030031
• 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:

02.09.2021