Angewandtes tiefgehendes Lernen für Computer Vision (WiSe 2021/22)
Tiefgehendes Lernen für Computer Vision kann in verschiedenen Anwendungsbereichen eingesetzt werden, z. B. beim autonomen Fahren, bei der Erkennung von Anomalien, der Erkennung von Dokumentenlayouts und vielen anderen. In den letzten Jahren wurden diese Aufgaben mit sich ständig weiterentwickelnden Techniken gelöst, die Forschern und Anwendern im Bereich des tiefgehenden Lernens eine breite Palette von Werkzeugen an die Hand geben.
Das Projekt zielt darauf ab, ein grundlegendes Verständnis aktueller Techniken zur Konstruktion lernbasierter Modelle aufzubauen, damit diese auf Probleme im Bereich der 2D-Bildsegmentierung, des Bildabrufs und der 3D-Punktwolkenanalyse angewendet werden können.
- Assoziierte Forschungsprojekte
- Voraussetzungen
- Erfolgreicher Abschluss der Lehrveranstaltung "Image Analysis and Object Recognition"
- Gute Programmierkenntnisse in Python
- Hilfsmittel
- Datacamp Python/Shell (kostenlos für Kursteilnehmer)
- Udacity PyTorch Intro (kostenloser Kurs)
- Deep Learning Spezialisierung (kostenloser Kurs)
- Deep Learning mit PyTorch (kostenloses E-Book)