Intendierte Lernergebnisse
Methoden und Möglichkeiten der automatischen Inhaltsanalyse (Bilder/Videos) verstehenMethoden von visuellen inhalts-basierten Suchsystemen verstehen Methoden des Machine Learnings überblicken und für die automatische Bild-/Videoanalyse einsetzen Einsatzszenarien der automatischen Inhaltsanalyse und Suche benennen und erläuternGeeignete Inhaltsanalysemethoden für visuelle Daten erklären und anwendenDeep Learning mit CNNs im Detail verstehen und praktisch anwendenVerschiedene Deep Learning Modelle verstehen und für visuelle Analyse anwenden Geeignete Benutzerschnittstellen für die Interaktion mit visuellen Daten und deren Suche kennenDie Leistung von automatischen Analyse- und Suchsystemen für visuelle Daten beurteilen können
Inhalt/e
What is automatic image and video analysis and retrieval?Practical video processing with ffmpegComputer vision with OpenCV and PythonVisual content descriptors and distance measuresScenes, Shots, and keyframesClustering with OpenCV and PythonDeep Learning with visual dataDetails of deep learning (Gradient descent, Loss, Train/Test, k-fold validation, etc.)AlexNet, GoogLeNet, ResNet, EfficientNetPyTorchRegion-based Convolutional Neural Networks (R-CNN, FCN, Fast R-CNN, Faster R-CNN, Mask R-CNN, U-Nets, YOLO)Interactive Visual Search
Curriculare Anmeldevoraussetzungen
Studierende von 289 (BA IT) und 488 (MA ICE) sollten bereits "Fundamentals of Image Processing" (700.30x) absolviert haben!