Humboldt-Universität zu Berlin - Mathematisch-Naturwissenschaftliche Fakultät - Visual Computing

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 Vogel
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 Ratke
Motion Capture Sengün
27.06.2018 Reflectance Estimation Gützkow
Network Attacks Belous
04.07.2018 GANs Berger
Face Autoencoder Turban
11.07.2018 Style Transfer Grosser
Text2Image Scholze
18.07.2018 Heatmapping Akcay
StyleTransfer Zyla

 

Themen des Seminars

  1. Grundlagen der tiefen neuronalen Netze (DNN)
  2. Erklärung von DNN Enscheidungen
  3. Objektklassifikation mit DNNs
  4. Kombination von DNNs mit klassischer Computer Vision
  5. 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.