Mustererkennung

Modulnummer
PI5012
Modulverantwortliche
  • Prof. Dr. Klaus Rinn
Lehrenden
  • Prof. Dr. Klaus Rinn
Kurzbeschreibung

Hough-Transformationen und RANSAC, statistische Entscheidungstheorie, Klassifikatoren und Lernstrategien, Support-Vector-Machines, neuronale Netze (Deep Learning), Sequenzanalyse.

Qualifikations- und Lernziele

Die Teilnehmenden haben vertiefte Kenntnisse von fortgeschrittenen Algorithmen zur Mustererkennung und deren theoretischen Grundlagen. Sie verstehen die theoretischen Grundlagen und können zur Anwendung passende Algorithmen auswählen und adaptieren. Der Schwerpunkt liegt auf Mustererkennung in Bildern.

Lerninhalte
  • Motivation und Anwendungen, Houghtransformationen und Ransac
  • Vertiefung der statistische Entscheidungstheorie:
  • Klassifikatoren, Lernstrategien
  • Support-Vector-Machines
  • Sequenzanalyse
  • Mustererkennung mit Neuronalen Netzen, Deep Learning, tiefe Netze
Moduldauer (Semester)
1
Unterrichtssprache
Deutsch
Gesamtaufwand
6.0 CrP; 180 Stunden, davon etwa 60 Stunden Präsenzzeit.
Semesterwochenstunden
4
Lernformen

Seminaristischer Unterricht 4 SWS

Geprüfte Leistung

Prüfungsvorleistung: 2 anerkannte Hausübungen Prüfungsleistung: Klausur

Bewertungsstandard

Bewertung der Prüfungsleistung nach § 9 der allgemeinen Bestimmungen für Masterprüfungsordnungen

Bonuspunkte

Bonuspunkte werden gemäß § 9 Abs. 4 der Allgemeinen Bestimmungen für Masterprüfungsordnungen vergeben. Die Vergabe von Bonuspunkten ist dozentenabhängig. Einzelheiten zur Vergabe der Bonuspunkte werden den Studierenden semesterweise jeweils zu Veranstaltungsbeginn rechtzeitig und auf geeignete Art und Weise bekannt gegeben.

Häufigkeit des Angebots
Einmal im Jahr
Literatur
  • Vorlesungsfolien
  • Duda, Hart, Stock: Pattern Classification, Wiley
  • Niemann: Pattern Analysis and Understanding, Springer
  • Abe: Support Vector Machines for Pattern Classification, Springer
  • Scheerer: Neuronale Netze, Vieweg+Teubner Verlag
  • Zum aktuellen Entwicklungen: Wissenschaftliche Papers und diverse Internetquellen
Voraussetzungen

Keine

Rechtliche Hinweise