Loading
0000002671 20W 4SWS VI Numerische Algorithmen für Computer Vision und Maschinelles Lernen (IN2384)   Hilfe Logo

LV - Detailansicht

Wichtigste Meldungen anzeigenMeldungsfenster schließen
Allgemeine Angaben
Numerische Algorithmen für Computer Vision und Maschinelles Lernen (IN2384) 
0000002671
Vorlesung mit integrierten Übungen
4
Wintersemester 2020/21
Informatik 9 - Lehrstuhl für Bildverarbeitung und Künstliche Intelligenz (Prof. Cremers)
(Kontakt)
Details
Zuordnungen: 1 
Angaben zur Abhaltung
In diesem Modul werden numerische Verfahren behandelt, welche häufig in den Gebieten Computer Vision (CV) und Maschinellem Lernen (ML) vorkommen. Neben den eigentlichen Algorithmen werden insbesondere auch Aspekte der Problemmodellierung behandelt, sodass praktische Probleme in CV und ML gelöst werden können. Es werden u.a. die folgende Inhalte behandelt:
- Fehleranalyse und Konditionierung von Problemen
- Lineare Systeme (Lösbarkeit, Algorithmen, Stabilität, Regularisierung), sowie deren Anwendung und Modellierung in CV und ML (z.B. lineare Regression, Bildregistrierung, Dekonvolution)
- Spektrale Verfahren (Eigenwertzerlegung, Singulärwertzerlegung, entsprechende Algorithmen), sowie Anwendungen und Modellierung in CV und ML (z.B. Clustering, Procrustes Analyse, Punktwolkenregistrierung, Hauptkomponentenanalyse)
- Numerische Optimierung (Gradienten-basierte Verfahren, Optimierungsverfahren zweiter Ordnung, Large-scale Optimierung), sowie deren Anwendungen und Modellierung in CV und ML.
Es wird erwartet dass alle Teilnehmer gute Kenntnisse in linearer Algebra (Lineare Algebra für Informatik MA0901) und Differentialrechnung (Analysis für Informatik MA0902) haben. Ausserdem sind Grundkenntnisse in den folgenden Gebieten erforderlich:
- mathematische Optimierung (z.B. Effiziente Algorithmen und Datenstrukturen I IN2003, oder II IN2004; oder Operations Research IN0024; etc.),
- Computer Vision (z.B. Computer Vision I IN2246, oder II IN2228, oder III IN2375; oder Tracking and Detection in Computer Vision IN2210; etc.), und
- Maschinelles Lernen (z.B. Maschinelles Lernen für Computersehen IN2357; oder Introduction to Deep Learning IN2346; oder Statistical Foundations of Learning IN2378; etc.).
In den Übungen werden Programmieraufgaben gestellt, welche mit Matlab zu lösen sind.
Nach Beendigung dieser Lehrveranstaltung sind die Studierenden in der Lage grundlegende numerische Algorithmen zu implementieren, sowie deren Stärken und Schwächen zu verstehen. Ausserdem sollen Studierende ein Gespür dafür entwickeln, welche Algorithmen für welche Probleme aus den Bereichen Computer Vision und Maschinellem Lernen am besten geeignet sind. Somit sind sie in der Lage praktische Probleme aus diesen Bereichen effektiv zu lösen.
Englisch

Die wichtigsten Konzepte werden in der Vorlesung behandelt. In den praktischen Einheiten wird das Verständnis durch entsprechende Übungsaufgaben und Diskussionen vertieft. Neben theoretischen Übungsaufgaben wird es auch Programmieraufgaben geben.
Details
Für die Anmeldung zur Teilnahme müssen Sie sich in TUMonline als Studierende/r identifizieren.
Zusatzinformationen
- Folien aus der Vorlesung
- Ausgewählte Publikationen
- Solomon. Numerical Algorithms: Methods for Computer Vision, Machine Learning, and Graphics, 2015
Online Unterlagen
E-Learning Kurs (Moodle)