Readspeaker menu

Seminar Rechnersehen / Fortgeschrittene Methoden im Rechnersehen

Björn Barz, M.Sc.

Semester

jedes Semester

Inhalt

Im Sommersemester 2020 beschäftigt sich das Seminar mit Verfahren des Content-based Image Retrievals (CBIR) zum Auffinden von Bildern, die einem gegebenen Anfragebild ähnlich sehen. Ein Beispiel für ein solches System ist die Rückwärtssuche der Google-Bildersuche.

Von klassischen Verfahren hin zu modernen Ansätzen, die auf Deep Learning basieren, stehen den Teilnehmern verschiedene Themen zur Auswahl. Unter anderem können folgende Aspekte behandelt werden:

  • Problemstellungen, Anwendungsmöglichkeiten und Geschichte des Content-based Image Retrievals
  • Klassische Verfahren, die auf Transformation und Aggregation lokaler Merkmale basieren
  • "Neural Codes" für Image Retrieval mit vortrainierten Netzwerken
  • Deep Metric Learning für Content-based Image Retrieval
  • Deep Local Features
  • Interaktives Image Retrieval
  • Quantisierung und Hashing für effiziente approximative Nächste-Nachbar-Suche in großen, hochdimensionalen Datensätzen
  • Vor- und Nachverarbeitung zur merkmalsunabhängigen Verbesserung der Reichweite der Anfrage (Query Expansion, Diffusion, Database-side Augmentation)
  • Semantisches Image Retrieval

Das Seminar soll ein Überblick über die Thematik und verschiedene aktuelle sowie historisch bedeutsame Verfahren geben und deren Grundidee vermitteln. Eine gewisse Vorbildung im Bereich der digitalen Bildverarbeitung ist wünschenswert, aber nicht zwingend erforderlich. Von jedem Seminarteilnehmer wird ein 30-minütiger Vortrag, eine 7-10 Seiten lange Ausarbeitung (10-16 Seiten für Master-Studenten), Anwesenheit, sowie eine aktive Mitarbeit erwartet.

Andere Themenvorschläge sind natürlich auch willkommen!

Termine

Vorbesprechung, Einführung, und Terminfindung finden voraussichtlich in der zweiten Semesterwoche am Dienstag, dem 12.05.2020, via Online-Konferenzschaltung statt. Im Friedolin eingeschriebene Teilnehmer/innen erhalten zeitnah genauere Informationen.

Links