Zu den wichtigen Aufgaben in Computer Vision zählen Objektdetektion und
-klassifikation, Objektverfolgung und Szenenrekonstruktion. In den
letzten Jahren wurden auf diesen Gebieten neben den klassischen Ansätzen auch verstärkt tiefe neuronale Netze (DNN) eingesetzt und beachtliche Erfolge damit erzielt, speziell wenn große Mengen an Trainingsdaten zur Verfügung stehen. Für viele Vision Aufgaben sind allerdings kaum gelabelte Trainingsdaten vorhanden oder Standardstrukturen der neuronalen Netze ungeeignet.
Im Rahmen des Seminars sollen daher neue Ansätze des Deep Learnings für Computer Vision Aufgaben untersucht und diskutiert werden.
Dies umfasst neue Ansätze zum Objekt-Tracking sowie die Analyse und Modellierung von Personen.
Neue Netzwerkarchitekturen wie Transformer werden genauso untersucht wie Ansätze
zur Erklärbarkeit und Interpretierbarkeit von Netzwerkentscheidungen.
Wir erarbeiten uns
die Verbindung von klassischen Ansätzen mit DNNs genauso wie die
Synthese von Bildern mit GANs oder impliziten Methoden wie NERFs.
Das Seminar findet in deutscher Sprache statt.
- Kursverantwortliche/r: Peter Eisert