Deep Neural Networks für Computer Vision
Zu den wichtigen Aufgaben in Computer Vision zählen Objektdetektion und -klassifikation, Objektverfolgung und Szenenrekonstruktion. In den letzten Jahren wurden auf diesen Gebieten neben den klassischen Ansätzen auch verstärkt tiefe neuronale Netze (DNN) eingesetzt und beachtliche Erfolge damit erzielt, speziell wenn große Mengen an Trainingsdaten zur Verfügung stehen. Für viele Vision Aufgaben sind allerdings kaum gelabelte Trainingsdaten vorhanden oder Standardstrukturen der neuronalen Netze ungeeignet.
Im Rahmen des Seminars sollen daher neue Ansätze des Deep Learnings für Computer Vision Aufgaben untersucht und diskutiert werden. Wir wollen untersuchen, ob neuronale Netze besser funktionieren als herkömmliche Algorithmen, diskutieren dabei wichtige Kompromisse wie Leistung, Trainingszeit und benötigte Größe der Trainingdaten. Wir erarbeiten uns Hintergrundwissen zu tiefen neuronalen Netzwerkansätzen und untersuchen die Verbindung von klassischen Ansätzen mit DNNs genauso wie die Synthese von Bildern mit GANs. Dazu wird ein Überblick über relevante Literatur gegeben. Das Seminar findet in deutscher Sprache statt.
Selbständiges Arbeiten sowie die Fähigkeit, Englisch-sprachige Literatur zu lesen, sind Voraussetzung für die Teilnahme an dem Seminar.
Die Teilnehmerzahl ist begrenzt, die Anmeldung erfolgt über Agnes.
Termine und Ablauf des Seminars
Mittwochs 15:00ct bis 17:00 Uhr im Raum 1303 RUD 26
Am Mittwoch den 18. April 2018 findet von 15.00 c.t. bis 17.00 Uhr (Raum: RUD 26, 1303) die Einführungsveranstaltung statt, die für alle Teilnehmer verpflichtend ist. Dort werden die Themen erläutert und an die interessierten Studierenden vergeben.
Jeder Studierende muss einen etwa 30 Minuten langen Vortrag über das zugewiesene Thema halten und am Ende der Veranstaltung eine Seminararbeit über das Thema abgeben. Nach jedem Vortrag findet eine Diskussion über Inhalte und Vortrag statt, bei der aktive Teilnahme der anderen Seminarteilnehmer erwartet wird. Die Seminararbeit soll einen Überblick über das gewählte Thema und die Publikationen geben. Außerdem sollen noch in 1-2 Seiten Anregungen, eigene Ideen und Verbesserungsvorschläge gegeben werden.
| Termin | Thema | Bearbeiter |
| 18.04.2018 | Einführungsveranstaltung | Peter Eisert, Ralf Reulke |
| 02.05.2018 | 4 min Kurzpräsentation zu jedem Thema | alle Teilnehmer |
| 09.05.2018 | Alex/GoogLeNet | Kozlova |
| Frameworks | Hansen | |
| 16.05.2018 | LSTM | Schlotter |
| RCNN | ||
| 23.05.2018 | Transfer Learning | Spenger |
| Domain Adverserial Training | Barros | |
| 30.05.2018 | YOLO | Dechet |
| Face Recognition | Tichy | |
| 06.06.2018 | Pixel Labeling | Rumberger |
| Image Enhancement | Jünemann | |
| 13.06.2018 | Depth Estimation | Basel |
| 3D Skeleton | Hümmer | |
| 20.06.2018 | Tracking | |
| Motion Capture | ||
| 27.06.2018 | Reflectance Estimation | Gützkow |
| Network Attacks | Belous | |
| 04.07.2018 | GANs | Berger |
| Face Autoencoder | ||
| 11.07.2018 | Style Transfer | Grosser |
| Text2Image | ||
| 18.07.2018 | Heatmapping | Akcay |
| StyleTransfer |
Themen des Seminars
- Grundlagen der tiefen neuronalen Netze (DNN)
- Erklärung von DNN Enscheidungen
- Objektklassifikation mit DNNs
- Kombination von DNNs mit klassischer Computer Vision
- Generative Netzwerke (Synthese)
Voraussetzungen für den Schein
- Teilnahme an der Einführungsveranstaltung
- Aktive Teilnahme an den Diskussionen nach den Präsentationen
- Ca. 30 minütiger Vortrag über gewähltes Thema
- Selbständiges Erstellung einer Seminararbeit im Umfang von 10-20 Seiten (inkl. 1-2 Seiten eigene Ideen, Verbesserungsvorschläge); Abgabe per email mit unterschriebener Selbständigkeitserklärung
Vorlagen und Materialien
Die Veröffentlichungen zu den einzelnen Themen sowie Vorlagen für die Folien und Seminararbeit können über Moodle geladen werden.