Deep Learning für Visual Computing
Modulnummer: Q05-17
Englischer Titel: Deep Learning for Visual Computing
Leistungspunkte: 5
Lehrperson: Eisert
Empfohlene Vorkenntnisse
keine
Zwingende Voraussetzungen
keine
Inhalt
Die rasanten Erfolge in der Entwicklung von neuen, auf neuronalen Netzen basierenden Methoden
haben völlig neue Möglichkeiten in der Datenanalyse und -synthese ermöglicht und zu vielen
neuen Anwendungen geführt.
In diesem Modul sollen die neuen Konzepte im Bereich des Deep Learnings mit einem Fokus
auf Verfahren aus Computer Vision, Computer Graphik und Visual Computing vorgestellt werden.
Dazu gehören Grundlagen von neuronalen Netzen mit deren Architekturen (z.B. convolutional networks, transformer),
Lernverfahren, Datenaufbereitung und Methoden der Erklärbarkeit für die black box Verfahren.
Darüber hinaus werden Konzepte für die Bild- und Videoanalyse wie Objektdetektion, Klassifikation,
Segmentierung, 3D Rekonstruktion und Bewegungsanalyse sowie für die Bild- und Videosynthese durch
Autoenkoder, GANs oder Diffussionsnetze vorgestellt. Dabei wird auch die Integration klassischer
Vision Methoden und Vorwissen in die datengetriebenen Ansätze für höhere Robustheit und
kleine Trainingsdatensätzen vorgestellt werden.
Vorlesungsbegleitend wird eine Übung angeboten, in denen die Studierenden in praktischen Beispielen
verschiedenen Konzepte des Deep Learnings selbst untersuchen können.
Erforderliche Arbeitsleistungen für LP-Vergabe und Prüfungszulassung
Die Abgabe der Ergebnisse und Lösungen der praktischen Übungsaufgaben
mit einer Mindestpunktzahl ist Voraussetzung für die Zulassung zur Prüfung.
Lehrveranstaltungen
Vorlesung: 2 SWS
Übung: 1 SWS
Zugeordneter Vertiefungsschwerpunkt
Algorithmen und Modelle: ja
Modellbasierte Systementwicklung: ja
Daten- und Wissensmanagement: ja
Ohne Vertiefungsschwerpunkt: nein
Sprache im Modul
Deutsch: ja
Englisch: ja
Angeboten für Studiengänge
M. Sc.: ja
M. Ed.: ja
Wirtschaftsmaster: ja
Angeboten im
Wintersemester: nein
Sommersemester: ja
Turnus
Jedes Jahr