Vorlesungen Bildverarbeitung und Mustererkennung (Sommersemester 2011)

    News:

    5.09.2011
      Die Ergebnisse der Klausur Mustererkennung sind fertig. Alle, die keine Nachricht von mir erhalten haben, haben bestanden.
      Wer sein Ergebnis genauer wissen möchtet (die Anzahl der Punkte, richtig/falsch gelöste Aufgaben etc.), melden Sie sich bitte.
      Die Aufgabenstellungen findet man hier.

    24.07.2011
      Die Klausur Mustererkennung findet am Montag 29. August um 9:20 im INF E010 statt.
      Dauer -- 1h30min.
      3 bis 4 Aufgaben (ähnlich, wie bei den Seminaren).
      Zugelassene Hilfsmittel -- alles, was andere nicht stört.

    18.07.2011
      Die Abstimmung über den Termin für die Klausur Mustererkennung ist hier. Die Abstimmung endet am 22.07.
      Ich bitte alle, sich mit echten Namen anzumelden um Missbräuche zu vermeiden.

    07.07.2011
      Der Abgabetermin für die Übungen BV ist 5.08. Ich erläutere das genauer in der Vorlesung BV am Montag 11.07.

    15.06.2011
      In der nächsten Woche (20.06 bis 24.06) fallen die Lehrveranstaltungen (BV am 20.06, ME am 22.06 und ME am 24.06) aus.
      Bei den Übungen BV am 21.06 bin ich auch nicht dabei.

    27.05.2011
      Hier ist die empfohlene Literatur für Mustererkennung:
      • Christopher M. Bishop: "Pattern Recognition and Machine Learning"
      • Michail I. Schlesinger, Václav Hlaváč: "Ten Lectures on Statistical and Structural Pattern Recognition"

    22.05.2011
      Am Dienstag 24.05.2011 (Übungen BV 2. und 4. DS) bin ich abwesend.

    12.05.2011
      Am 13.05.2011 findet die Vorlesung Mustererkennung im Raum 1096 statt (siehe Skizze).
      Wir beenden das Thema "Bayessche Entscheidungen" und betrachten dazu paar Seminaraufgaben (siehe unten).

    03.05.2011
      Hier ist die empfohlene Literatur für Bildverarbeitung:
      • David A. Forsyth, Jean Ponce: "Computer vision -- A modern approach"
      • Klaus D. Tönnies: "Grundlagen der Bildverarbeitung"
      • Es folgen weitere ...

    Skripten:

    Einführungsvorlesung
    Bildverarbeitung

    Vorlesungen:

    1. Das menschliche Sehen
    2. Filterung
    3. Transformationen der Bildfunktion
    4. Reste
    5. Diffusion Filters
    6. Energieminimierung I
    7. Energieminimierung II
    8. Clusterung
    9. Momente, Hauptkomponentenanalyse
    10. Stereo
    - (zur Erinnerung, wird später ersetzt)
    11. Epipolargeometrie
    12. RANSAC

    Übungsmaterial












    		 Mustererkennung

    Vorlesungen:

    1. Neuron
    2. Neuronale Netze
    3. Wahrscheinlichkeitstheorie I
    4. Wahrscheinlichkeitstheorie II
    5. Bayessche Entscheidungen
    6. Maximum-Likelihood Prinzip
    7. Diskriminatives Lernen
    8. Graphentheorie
    9. Dynamische Optimierung
    10. Support Vector Mashines
    11. Labelling Probleme



    Aufgabenstellungen für Seminare:

    1. Neuronale Modelle
    2. Wahrscheinlichkeitstheorie
    3. Bayessche Entscheidungen
    4. Maximum-Likelihood Prinzip
    5. EM, Diskriminatives Lernen
    6. Kürzeste Wege
    + VC-Aufgabe aus dem 5. Seminar
    + Algorithmus von Ford und Fulkerson
    7. Aufgaben 2 und 3 aus dem 6. Seminar
    8. Support Vektor Maschinen
    9. Labelling Probleme
    Zusammenfassung und Ausblick

    Mail me: Mail Formular Informatik