Alle Lernmaterialien für deinen Kurs Computer vision

Egal, ob Zusammenfassung, Altklausur, Karteikarten oder Mitschriften - hier findest du alles für den Studiengang Master of Science Informatik

Universität Erlangen-Nürnberg

Master of Science Informatik

Prof. Dr.

2024

So erstellst du deine eigenen Lernmaterialien in Sekunden

  • Lade dein Vorlesungsskript hoch
  • Bekomme eine individuelle Zusammenfassung und Karteikarten
  • Starte mit dem Lernen

Lade dein Skript hoch!

Zieh es hierher und lade es hoch! 🔥

Jetzt hochladen

Die beliebtesten Lernunterlagen deiner Kommilitonen

Jetzt hochladen
Computer vision - Cheatsheet
Computer vision - Cheatsheet Rauschunterdrückung und Bildglättung Definition: Rauschunterdrückung: Reduzierung von Bildrauschen. Bildglättung: Verringerung von Unregelmäßigkeiten in Bildern. Details: Rauschunterdrückung: Anwendung von Filtertechniken zur Verringerung von zufälligem Bildrauschen Gängige Filter: Medianfilter, Gauß-Filter Bildglättung: Verwendung von Methoden zur Reduktion von hoher ...

Computer vision - Cheatsheet

Zugreifen
Computer vision - Exam
Computer vision - Exam Aufgabe 1) Rauschunterdrückung und Bildglättung Rauschunterdrückung: Reduzierung von Bildrauschen. Bildglättung: Verringerung von Unregelmäßigkeiten in Bildern. Rauschunterdrückung: Anwendung von Filtertechniken zur Verringerung von zufälligem Bildrauschen Gängige Filter: Medianfilter, Gauß-Filter Bildglättung: Verwendung von Methoden zur Reduktion von hoher Frequenzkomponen...

Computer vision - Exam

Zugreifen

Bereit für die Klausur? Teste jetzt dein Wissen!

Was versteht man unter Rauschunterdrückung?

Welche Formel beschreibt den Gauß-Filter?

Wie funktioniert ein Medianfilter?

Was wird bei der Kantendetektion erkannt und hervorgehoben?

Welche Schritte sind im Canny-Algorithmus enthalten?

Welcher Operator wird bei der Sobel-Kantendetektion verwendet?

Was ist SIFT in der Bildverarbeitung?

Wofür steht SURF in der Bildverarbeitung?

Welche Methode verwendet SURF zur Berechnung des Deskriptors?

Was ist eine Convolutional Neural Network (CNN) in der Objekterkennung?

Welche Funktion hat eine Faltungsschicht (Conv Layer) in einem CNN?

Wie lautet die typische Pooling-Funktion in einem CNN?

Was ist das Ziel von Super-Resolution-Algorithmen in der Bildrekonstruktion?

Welche Methoden werden in Super-Resolution-Algorithmen angewendet?

Nennen Sie zwei Metriken zur Bewertung von Super-Resolution-Algorithmen.

Was ist unüberwachtes Lernen?

Was ist der Zweck der Dimensionalitätsreduktion im unüberwachten Lernen?

Welche Algorithmen sind wichtig für unüberwachtes Lernen in der Computer Vision?

Was versteht man unter Transfer Learning?

Welche Praxis ist wichtig, um Overfitting beim Transfer Learning zu reduzieren?

Warum ist Transfer Learning in der Computer Vision besonders nützlich?

Was versteht man unter Objekterkennung in Computer Vision für selbstfahrende Autos?

Was ist SLAM (Simultaneous Localization and Mapping) in Bezug auf selbstfahrende Autos?

Wofür wird Tiefenwahrnehmung in Computer Vision bei selbstfahrenden Autos benutzt?

Weiter

Diese Konzepte musst du verstehen, um Computer vision an der Universität Erlangen-Nürnberg zu meistern:

01
01

Bildvorverarbeitung

Bildvorverarbeitung befasst sich mit Techniken zur Verbesserung der Bildqualität und Bereinigung von Störungen, um erfolgreichere nachfolgende Analyse zu ermöglichen.

  • Rauschunterdrückung
  • Bildglättung
  • Histogrammausgleich
  • Kantendetektion
  • Filtertechniken
Karteikarten generieren
02
02

Merkmalsextraktion

Merkmalsextraktion konzentriert sich darauf, relevante Informationen aus Bildern zu erhalten, die zur Identifizierung und Kategorisierung verwendet werden können.

  • Kantendetektoren
  • SIFT und SURF Merkmale
  • Ecken- und Punktdetektion
  • Skaleninvariante Merkmale
  • Merkmalsvektoren
Karteikarten generieren
03
03

Objekterkennung

Die Objekterkennung umfasst Methoden zur Identifizierung und Lokalisierung von Objekten innerhalb von Bildern oder Videos.

  • Klassifikatoren basierend auf maschinellem Lernen
  • Haar-Cascade-Klassifizierer
  • Region-Proposal-Methoden
  • Convolutional Neural Networks
  • Verwendung von Vorwissen
Karteikarten generieren
04
04

Bildrekonstruktion

Bildrekonstruktion beschäftigt sich mit der Wiederherstellung oder Verbesserung von Bildern aus unvollständigen oder beschädigten Daten.

  • Interpolationsmethoden
  • Fourier-Transformationen
  • Computertomographie
  • Super-Resolution-Algorithmen
  • Inpainting-Techniken
Karteikarten generieren
05
05

Maschinelles Lernen für Computer Vision

Maschinelles Lernen für Computer Vision beinhaltet das Anwenden von Algorithmen, die aus Daten lernen, um visuelle Aufgaben autonom zu lösen.

  • Überwachtes Lernen
  • Unüberwachtes Lernen
  • Tiefe neuronale Netzwerke
  • Transfer Learning
  • Datensätze und Annotationsmethoden
Karteikarten generieren
06
06

Anwendungen der Computer Vision

Computer Vision findet Anwendung in zahlreichen Bereichen wie autonome Systeme und medizinische Bildverarbeitung, die spezialisierte Techniken und Lösungen nutzen.

  • Selbstfahrende Autos
  • Gesichtserkennung
  • Medizinische Diagnosewerkzeuge
  • Industrielle Inspektion
  • Virtuelle und erweiterte Realität
Karteikarten generieren

Alles Wichtige zu diesem Kurs an der Universität Erlangen-Nürnberg

Computer Vision an der Universität Erlangen-Nürnberg - Überblick

Die Vorlesung 'Computer Vision', angeboten im Rahmen des Studiengangs Informatik an der Universität Erlangen-Nürnberg, vermittelt Dir fundamentales Wissen im spannenden und schnell wachsenden Gebiet der Computer Vision. Im Rahmen dieses Kurses lernst Du sowohl theoretische als auch praktische Aspekte der Computer Vision kennen. Er bietet eine solide Basis und zeigt Dir die vielfältigen Anwendungen, von autonomen Systemen bis hin zur medizinischen Bildverarbeitung.

Wichtige Informationen zur Kursorganisation

Kursleiter: Prof. Dr.

Modulstruktur: Die Vorlesung besteht aus theoretischen und praktischen Teilen, die die Grundlagen und Anwendungen der Computer Vision abdecken.

Studienleistungen: Die Leistungskontrollen bestehen aus einer schriftlichen Prüfung und Projektarbeiten.

Angebotstermine: Die Vorlesung wird in der Regel im Wintersemester angeboten.

Curriculum-Highlights: Bildvorverarbeitung, Merkmalsextraktion, Objekterkennung, Bildrekonstruktion, Maschinelles Lernen für Computer Vision, Anwendungen der Computer Vision wie autonome Systeme und medizinische Bildverarbeitung

So bereitest Du Dich optimal auf die Prüfung vor

Beginne frühzeitig mit dem Lernen, idealerweise schon zu Beginn des Semesters, um Dir die nötige theoretische Basis anzueignen.

Nutze verschiedene Ressourcen, wie Bücher, Übungsaufgaben, Karteikarten und Probeklausuren, um dein Wissen zu vertiefen.

Schließe Dich Lerngruppen an und tausche Dich mit anderen Studierenden aus, um gemeinsam Lösungsstrategien zu entwickeln.

Vergiss nicht, regelmäßige Pausen einzulegen und in diesen Zeiten komplett abzuschalten, um eine Überbelastung zu vermeiden.

Nutzung von StudySmarter:

Nutzung von StudySmarter:

  • Erstelle Lernpläne und Zusammenfassungen
  • Erstelle Karteikarten, um dich optimal auf deine Prüfung vorzubereiten
  • Kreiere deine personalisierte Lernerfahrung mit StudySmarters AI-Tools
Kostenfrei loslegen

Stelle deinen Kommilitonen Fragen und bekomme Antworten

Melde dich an, um der Diskussion beizutreten
Kostenlos anmelden

Sie haben bereits ein Konto? Login

Entdecke andere Kurse im Master of Science Informatik

93182 Mainframe Programmierung II Kurs ansehen
Advanced Deep Learning Kurs ansehen
Advanced Design and Programming (5-ECTS) Kurs ansehen
Advanced Game Physics Kurs ansehen
Advanced Mechanized Reasoning in Coq Kurs ansehen
Advanced Networking LEx Kurs ansehen
Advanced Programming Techniques Kurs ansehen
Advanced Simulation Technology Kurs ansehen
AI-1 Systems Project Kurs ansehen
AI-2 Systems Project Kurs ansehen

Lerne jederzeit. Lerne überall. Auf allen Geräten.

Kostenfrei loslegen