| Bildverarbeitung | Mustererkennung |
|
Vorlesungen: Einführung Das menschliche Sehen Filterung Morphologische Filterung Fourier-Transformation Diffusion Filters Kontinuierliche Energieminimierung Diskrete Energieminimierung Besondere Punkte Bildmerkmale 3D-Geometrie Epipolargeometrie RANSAC Stereo |
Vorlesungen: Einführung Neuron Neuronale Netze Clusterung, Cohonen Netze Wahrscheinlichkeitstheorie Bayessche Entscheidungen Maximum Likelihood Prinzip Diskriminatives Lernen Support Vector Machines Kernel-PCA | Originalpaper Hinge Loss AdaBoost |
|
Übungsmaterial: Aufgabenkatalog OpenCV Beispiel Qt Beispiel |
Aufgabenstellungen für Seminare: Neuron Neuronale Netze Clusterung + die letzte Aufgabe vom vorigen Seminar Wahrscheinlichkeitstheorie Bayessche Entscheidungen Maximum Likelihood Prinzip + die letzte Aufgabe vom vorigen Seminar Generalized linear models Diskriminatives Lernen Support Vector Machines Kernel-PCA, Hinge-Loss |