| Modulbezeichnung |
Computer Vision |
| Modulkürzel |
EL470 |
| Modulniveau |
Master |
| Verwendung des Moduls |
Wahlmodul für Vertiefung KT, AS, EM, AT |
| Leistungspunkte |
5 ECTS |
| Präsenzzeit |
3 SWS |
| Studienbelastung |
150 h = 45 h Präsenz + 105 h Selbststudium |
| Studiensemester |
1. oder 2. Semester |
| Häufigkeit |
i.d.R. jährlich, im Winter |
| Dauer |
ein Semester |
| Geplante Gruppengröße |
max. 36 |
| Sprache |
Englisch |
| Modulverantwortung |
Prof. Dr. Fabian Flohr |
| Lehrende |
Prof. Dr. Fabian Flohr, Prof. Dr. Alfred Schöttl |
| Lehrformen |
Seminaristischer Unterricht und Praktikum |
| Medien |
Tafel, Flipchart, Beamer, E-Learning |
| Prüfungsform |
schriftliche Prüfung 90 min mit FrwL (10 % Bonus, Praktische Kenntnisstandsüberprüfung im Labor und Ergänzende Dokumentation zu den Inhalten des Moduls) |
Die Studierenden kennen und verstehen etablierte Methoden des computerbasierten Sehens (Computer Vision). Sie erlernen Verfahren zur Extraktion und Registrierung von aussagefähigen Bildmerkmalen sowie Verfahren zur Segmentierung von homogenen oder semantisch ähnlichen Bildbereichen. Die Studierenden kennen diverse Klassifikations- und Detektionsverfahren und setzen diese in Kombination mit den extrahierten Bildmerkmalen zur Objektklassifikation und -detektion ein. Die Studierenden kennen Verfahren zur 3d-Rekonstruktion auf Basis mehrerer Kamerabilder. Sie erlernen Verfahren zur Bewegungsschätzung und zur Verfolgung von interessanten Bildstrukturen und Objekten in Videosequenzen. Die Studierenden besitzen die Fähigkeit zur Analyse und Synthese komplexer Bildverarbeitungssysteme sowie zum Entwurf, Aufbau und zur Inbetriebnahme von kamerabasierten Lösungen in verschiedenen Anwendungsbereichen, z.B. Videoüberwachung, intelligente Fahrzeuge, Mensch-Maschine-Schnittstellen und Qualitätskontrolle. Sie beherrschen aktuelle Entwicklungsumgebungen und sind in der Lage, mit aktuellen Werkzeugen der Bildverarbeitung und Mustererkennung umzugehen.
Die Studierenden sind in der Lage, sich eigenständig neue Methoden anzueignen und Problemlösungen zu erarbeiten. Sie können die dazu nötigen Arbeitsschritte identifizieren und auch in neuen und unvertrauten sowie fachübergreifenden Kontexten zielgerichtet planen und durchführen. Die Studierenden sind in der Lage ihren Arbeitsprozess methodisch zu reflektieren.
Die Studierenden können ihre eigenen Fähigkeiten und Fertigkeiten reflektieren und damit zielorientiert in entsprechenden Projekten platzieren.
Die Lehrveranstaltung befähigt die Studierenden dazu, die Fachinhalte adäquat zu verbalisieren und entsprechende Fachdiskussionen mit Peers führen zu können.
Erforderlich: Grundlagen der digitalen Bildverarbeitung, Kenntnisse zu Programmieren in Python.