|
Computer Vision (CV)5 ECTS (englische Bezeichnung: Computer Vision)
Modulverantwortliche/r: Christian Riess, Marc Stamminger Lehrende:
Christian Riess, Marc Stamminger, AmirAbbas Davari
Studienfächer/Prüfungsordnungsmodule:
Einfrieren der UnivIS-Modul-Beschreibung: 2.3.2019
Computer vision (106627)
Vertiefungsrichtung Graphische Datenverarbeitung (33595)
Vertiefungsrichtung Mustererkennung (33600)
Technische Wahlmodule (37137)
Wahlpflichtbereich Informatik (43829, 1 semester)
Start semester: |
SS 2019 | Duration: |
1 semester | Cycle: |
jährlich (SS) |
Präsenzzeit: |
60 Std. | Eigenstudium: |
90 Std. | Language: |
Englisch |
Lectures:
-
-
Computer Vision
(Vorlesung, 2 SWS, Christian Riess et al., Mon, 14:15 - 15:45, 0.68)
-
Computer Vision Exercise
(Übung, 2 SWS, Benjamin Hadwiger et al., Tue, 12:00 - 14:00, 0.01-142; Mon, 16:00 - 18:00, 0.01-142; Fri, 10:00 - 12:00, 0.01-142)
Empfohlene Voraussetzungen:
It is recommended to finish the following modules before starting this module:
Introduction to Pattern Recognition (WS 2018/2019)
Inhalt:
This lecture discusses important algorithms from the field of computer vision. The emphasis lies on 3-D vision algorithms, covering the geometric foundations of computer vision, and central algorithms such as stereo vision, structure from motion, optical flow, and 3-D multiview reconstruction. Participants of this advanced course are expected to bring experience from prior lectures either from the field of pattern recognition or from the field of computer graphics.
Lernziele und Kompetenzen:
Die Vorlesung stellt eine Auswahl von Methoden aus dem Gebiet der Computer Vision vor, die in dem Feld eine zentrale Stellung einnehmen. In den Übungen implementieren und evaluieren die Teilnehmer selbständig diese Methoden. Die Teilnehmer arbeiten die ganze Zeit über an populären Computer Vision-Methoden wie zum Beispiel Stereosehen, optischer Fluss und 3D-Rekonstruktion aus mehreren Ansichten. Für diese Probleme
beschreiben die Teilnehmer perspektivische Projektion, Rotationen und verwandte geometrische Grundlagen,
erklären die Teilnehmer die behandelten Methoden,
diskutieren die Teilnehmer Vor- und Nachteile verschiedener Modalitäten zur Erfassung von 3D-Informationen,
implementieren die Teilnehmer einzeln und gemeinschaftlich in Kleingruppen Code,
entdecken die Teilnehmer optimale Vorgehensweisen in der Datenaufnahme,
erkunden und bewerten die Teilnehmer unterschiedliche Möglichkeiten für die Evaluation,
diskutieren und präsentieren die Gruppenarbeiter in Gruppen die Vor- und Nachteile ihrer Implementierungen,
diskutieren und reflektieren die Teilnehmer gesellschaftliche Auswirkungen von Anwendungen des 3D-Rechnersehens.
The lecture introduces computer vision algorithms that are central to the field. In the exercises, participants autonomously implement and evaluate these algorithms. The participants work throughout the time on popular computer vision algorithms, like for example stereo vision, optical flow, and 3-D multiview reconstruction. For these problems, the participants
describe perspective projection, rotations, and related geometric foundations,
explain the presented methods,
discuss the advantages and disadvantages of different modalities for acquiring 3-D information,
implement individually and in small groups code,
discover best practices in data acquisition,
explore and rank different choices for evaluation,
discuss and present in groups the advantages and disadvantages of their implementations,
discuss and reflect the social impact of applications of computer vision algorithms.
Literatur:
Richard Szeliski: "Computer Vision: Algorithms and Applications", Springer 2011.
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan: Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
- Communications and Multimedia Engineering (Master of Science)
(Po-Vers. 2011 | TechFak | Communications and Multimedia Engineering (Master of Science) | Gesamtkonto | Wahlmodule | Technische Wahlmodule)
Studien-/Prüfungsleistungen:
Computer vision (Prüfungsnummer: 713618)
(englischer Titel: Computer vision)
zugeh. "mein campus"-Prüfung: | - 38091 Mustererkennung (5 ECTS) (Informatik (Master of Science) 2010, Prüfung, Form: mehrteilige Prüfung, Zehntelnoten, Dauer: -, 5 ECTS, Platzhalter).
- 38041 Graphische Datenverarbeitung (5 ECTS) (Informatik (Master of Science) 2010, Prüfung, Form: mehrteilige Prüfung, Zehntelnoten, Dauer: -, 5 ECTS, Platzhalter).
- 17001 Computer Science (5 ECTS) (Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science) 2013, Prüfung, Form: mehrteilige Prüfung, Zehntelnoten, Dauer: -, 5 ECTS, Platzhalter).
- 18002 Technische Wahlmodule aus CME, Prüfungsleistung mit 5 ECTS (Communications and Multimedia Engineering (Master of Science) 2011, Prüfung, Form: mehrteilige Prüfung, Zehntelnoten, Dauer: -, 5 ECTS, Platzhalter).
- 713618 Computer vision (Gewichtung: 100.0 %, Prüfung, Form: mehrteilige Prüfung, Zehntelnoten, Dauer: -, 5 ECTS, Prüfung).
|
- Prüfungsleistung, mehrteilige Prüfung, Dauer (in Minuten): 30, benotet, 5 ECTS
- Anteil an der Berechnung der Modulnote: 100.0 %
- weitere Erläuterungen:
30-minütige mündliche Prüfung über den Stoff der Vorlesung und der Übungen. Voraussetzung ist die erfolgreiche Bearbeitung der Übungsaufgaben.
30 minute oral exam about the lecture and the exercises. It is required to successfully complete the exercises.
- Prüfungssprache: Englisch
- Erstablegung: SS 2019, 1. Wdh.: WS 2019/2020
1. Prüfer: | Marc Stamminger (100173) |
- Ort: Informatik 9, Cauerstr. 11, 91058 Erlangen / Prüfer kontaktieren
1. Prüfer: | Christian Riess (100374) |
- Ort: teils Informatik 9, Cauerstr. 11 - teils Martensstr. 3, Raum 12.155 / Prüfer fragen
|
|
|