Modul
Maschinelle Visuelle Wahrnehmung [M-INFO-101239]
Leistungspunkte
9Turnus
Jedes SemesterDauer
1 SemesterSprache
Level
4Version
7Verantwortung
Einrichtung
- KIT-Fakultät für Informatik
Bestandteil von
Teilleistungen
Identifier | Name | LP |
---|---|---|
T-INFO-111491 | Deep Learning für Computer Vision I: Grundlagen | 3 |
T-INFO-109796 | Deep Learning für Computer Vision | 3 |
T-INFO-101347 | Computer Vision für Mensch-Maschine-Schnittstellen | 6 |
T-INFO-101362 | Mustererkennung | 6 |
T-INFO-105943 | Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion | 6 |
T-INFO-101273 | Einführung in die Bildfolgenauswertung | 3 |
T-INFO-101297 | Biometric Systems for Person Identification | 3 |
T-INFO-101292 | Bilddatenkompression | 3 |
T-INFO-101363 | Automatische Sichtprüfung und Bildverarbeitung | 6 |
Erfolgskontrolle(n)
Siehe Teilleistung.
Qualifikationsziele
Studierende haben fundiertes Wissen darüber,
- auf welche Weise sich optische und geometrische Eigenschaften von Objekten (Menschen und Gegenständen) und Szenen bei unterschiedlichen Aufnahmeverfahren in Bild- und Videodaten manifestieren,
- wie solche Daten aufbereitet werden,
- wie schrittweise die interessierenden Informationen herausgearbeitet werden, und
- wie diese Daten schließlich in geeigneter Form für die weitere Nutzung durch Maschinen oder den Menschen bereitgestellt werden.
Voraussetzungen
Siehe Teilleistung.
Inhalt
Technische Systeme, die ihre Umwelt auf Basis visueller Informationen wahrnehmen sollen und die ggf. sogar darauf reagieren sollen, müssen in der Lage sein, Bilder ihrer Umwelt aufzunehmen und automatisch auszuwerten. Hierfür müssen Objekte in Szenen erkannt und verfolgt werden. Ihre Eigenschaften und wechselseitigen Beziehungen müssen aus den Bildern geschätzt werden und zeitlich ausgedehnte Sachverhalte (Abläufe, Handlungen, …) sind zu bestimmen. Das zielt darauf ab, aufgabenrelevante Aspekte der Umwelt des technischen Systems aus Bilddaten automatisch zu extrahieren und so aufzubereiten, dass automatische Entscheidungen getroffen werden können und - wenn auch sehr eingeschränkt - ein aufgabenbezogenes maschinelles Verständnis der Umwelt ermöglicht wird.
In diesem Modul wird vermittelt, auf welche Weise sich die optischen und geometrischen Eigenschaften von Objekten (Menschen und Gegenstände) und Szenen bei unterschiedlichen Aufnahmeverfahren in Bild- und Videodaten manifestieren. Es wird gezeigt, wie solche Daten aufbereitet werden, schrittweise die interessierenden Informationen herausgearbeitet werden und wie diese schließlich in geeigneter Form für die weitere Nutzung durch Maschinen oder den Menschen bereitgestellt werden können.
Empfehlungen
Kenntnisse der Grundlagen der Stochastik, Signal- und Bildverarbeitung sind hilfreich.
Arbeitsaufwand
Je nach gewählten Lehrveranstaltungen, insgesamt ca. 270 h.