Aktuelle Seite:
Vorlesung: Computer Vision (Lecture + Practice) - Details

  • Detaillierte Informationen über die Veranstaltung werden angezeigt, wie z.B. die Veranstaltungsnummer, Zuordnungen, DozentInnen, TutorInnen etc. In den Detail-Informationen ist unter Aktionen das Eintragen in eine Veranstaltung möglich.

  • link-extern Weiterführende Hilfe
Sie sind nicht angemeldet.

Computer Vision (Lecture + Practice)

Allgemeine Informationen

Veranstaltungsnummer 8.3068
Semester WS 2016/17
Aktuelle Anzahl der Teilnehmenden 100
Heimat-Einrichtung LE Cognitive Science
Veranstaltungstyp Vorlesung in der Kategorie Offizielle Lehrveranstaltungen
Erster Termin Di , 25.10.2016 14:00 - 16:00, Ort: 93/E31
SWS 6
Sprache Englisch
Contact Hours 6
ECTS-Punkte 12

Lehrende

Tutor/-innen

Zeiten

Montag: 08:00 - 14:00, wöchentlich (ab 14.11.2016), Tutorial sessions, Ort: 93/E42
Montag: 18:00 - 20:00, wöchentlich (ab 14.11.2016), Tutorial sessions, Ort: 93/E42
Dienstag: 08:00 - 13:00, wöchentlich (ab 15.11.2016), Tutorial sessions, Ort: 93/E42
Dienstag: 14:00 - 16:00, wöchentlich (ab 25.10.2016), Ort: 93/E31
Mittwoch: 10:00 - 12:00, wöchentlich (ab 26.10.2016), Ort: 93/E31
Donnerstag: 10:00 - 12:00, wöchentlich (ab 27.10.2016), Ort: 93/E31, 93/E06

Veranstaltungsort

93/E42 Mo. 08:00 - 14:00 (10x)
Mo. 18:00 - 20:00 (10x)
Di. 08:00 - 13:00 (10x)
93/E31 Di. 14:00 - 16:00 (14x)
Mi. 10:00 - 12:00 (14x)
Do. 10:00 - 12:00 (11x)
93/E06 Do. 10:00 - 12:00 (2x)

Studienbereiche

Kommentar/Beschreibung

Prerequisites: Basic Math

Both the rapid growth of image and video data and new applications such as robotics require automated image processing. This course introduces the basic concepts of artificial vision. Topics: Image acquisition and representation; mathematical background; basic point operations; linear and nonlinear fitering; morphological pattern recognition; color (perceptual aspects and technical representation); gray-, color- and texture-segmentation; image reconstruction and enhancement; object recognition; compression; applications (e.g., image search in databases). A focus is on object recognition, where topics range from simple edge based methods and template matching over traditional approaches like PCA to modern algorithms such as Boosting, SIFT and SURF.