Machinelles Lernen in der Bildverarbeitung

Moderator: Probabilistische Graphische Modelle

Sandra
Mausschubser
Mausschubser
Beiträge: 89
Registriert: 4. Mär 2005 19:47
Kontaktdaten:

Machinelles Lernen in der Bildverarbeitung

Beitrag von Sandra » 5. Okt 2009 13:18

Liebe potentielle Hoerer,

ich moechte euch herzlich zum WS 2009/2010 begruessen und einen kurzen Ueberblick ueber diese Veranstaltung geben, die puenktlich naechsten Montag, 12. Oktober, 9:50 Uhr in Raum C110 beginnt.

Die Vorlesung beschaeftigt sich mit maschinellen Lernverfahren in der Bildverarbeitung. Der Schwerpunkt liegt hier besonders auf den unueberwachten und halb-ueberwachten Lernverfahren, d.h. man versucht mit gar keinen oder nur sehr wenigen Annotierungen die Bilder zu gruppieren, zu segmentieren oder sonst irgendwie zu verarbeiten. Die Ansaetze sind insofern realistischer, weil man nicht immer ein kleines, schoen definiertes Lernproblem hat mit 50-200 Bildern, sondern haeufig grosse Datenmengen zur Verfuegung hat, wie sie in einer Google Bildanfrage oder in Flickr vorkommen. Solche Datensaetze haben meistens keine, wenige oder teilweise falsche Annotierungen. Ziel dieser Algorithmen ist es also, aus verschiedenen Bildinformationen (Farb/Grauwerte, Gradienten, ...) Strukturen (z.B. Graphen) bzw. typische Muster zu extrahieren, die dann zum Lernen genutzt werden und das auch noch moeglichst schnell und speichereffizient.

In den Uebungen werden wir dann diese Ansaetze anwenden, zum Beispiel zur Segmentierung von Bildern in Vorder- und Hintergrund, um Sehnswuerdigkeiten aus einer grossen Datenmenge zu extrahieren, Schwarz-Weiss-Bilder einzufaerben, zur Laechelerkennung oder um eine AutoCollage zu erstellen.

Zuletzt moechte ich euch auch ermuntern aktiv die Vorlesung mit zu gestalten bzw. zu beeinflussen. Wenn es also etwas gibt, das euch schon immer in diesem Zusammenhang interessiert hat, dann freuen wir uns sehr ueber eure Fragen und Vorschlaege. Wir werden dann versuchen, diese so gut wie moeglich in die Vorlesung oder zumindest in die Uebungen zu integrieren. :-)

Weitere Informationen findet ihr unter: http://tahiti.mis.informatik.tu-darmsta ... l/node/315 bzw. im Modulhandbuch unter http://www.mhb.informatik.tu-darmstadt. ... &term=WS09

Viele Gruesse

Sandra

Zurück zu „Probabilistische Graphische Modelle“