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. Wir wollen untersuchen, ob neuronale Netze besser funktionieren als herkömmliche Algorithmen, diskutieren dabei wichtige Kompromisse wie Leistung, Trainingszeit und benötigte Größe der Trainingdaten. Wir erarbeiten uns Hintergrundwissen zu tiefen neuronalen Netzwerkansätzen und untersuchen die Verbindung von klassischen Ansätzen mit DNNs genauso wie die Synthese von Bildern mit GANs. Dazu wird ein Überblick über relevante Literatur gegeben.
- Kursverantwortliche/r: Peter Eisert