Dauer:
1 Semester | Angebotsturnus:
Jedes Sommersemester | Leistungspunkte:
4 |
Studiengang, Fachgebiet und Fachsemester: - Master Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Informatik, 2. oder 3. Fachsemester
- Master Medizinische Ingenieurwissenschaft 2020 (Wahlpflicht), Informatik/Elektrotechnik, Beliebiges Fachsemester
- Master Informatik 2019 (Wahlpflicht), Wahlpflicht, Beliebiges Fachsemester
- Master Medieninformatik 2020 (Wahlpflicht), Informatik, Beliebiges Fachsemester
- Master Biophysik 2019 (Wahlpflicht), Wahlpflicht, 2. Fachsemester
- Master Biomedical Engineering (Wahlpflicht), Vertiefung, 2. Fachsemester
- Master Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Informatik, 2. oder 3. Fachsemester
- Master Medizinische Ingenieurwissenschaft 2014 (Wahlpflicht), Informatik/Elektrotechnik, 1. oder 2. Fachsemester
- Master Medieninformatik 2014 (Wahlpflicht), Informatik, Beliebiges Fachsemester
- Master Informatik 2012 (Wahlpflicht), Vertiefungsblock Bildgebende Systeme, 2. oder 3. Fachsemester
- Master Mathematik in Medizin und Lebenswissenschaften 2010 (Pflicht), MML/Bildgebung, 2. Fachsemester
- Master Medizinische Ingenieurwissenschaft 2011 (Vertiefung), Bildgebende Systeme, Signal- und Bildverarbeitung, 2. Fachsemester
- Master Informatik 2012 (Wahlpflicht), Vertiefungsblock Signal- und Bildverarbeitung, 2. oder 3. Fachsemester
- Master Informatik 2012 (Pflicht), Anwendungsfach Robotik und Automation, 2. Fachsemester
- Master Informatik 2012 (Pflicht), Anwendungsfach Bioinformatik, 2. Fachsemester
- Master Informatik 2012 (Wahlpflicht), Vertiefungsblock Intelligente Eingebettete Systeme, 2. Fachsemester
|
Lehrveranstaltungen: - CS4250-Ü: Computer Vision (Übung, 1 SWS)
- CS4250-V: Computer Vision (Vorlesung, 2 SWS)
| Workload: - 45 Stunden Präsenzstudium
- 55 Stunden Selbststudium
- 20 Stunden Prüfungsvorbereitung
| |
Lehrinhalte: | - Einführung in das biologische und künstliche Sehen
- Sensoren, Kameras und optische Abbildungen
- Bildmerkmale: Kanten, intrinsische Dimension, Hough-Transformierte, Fourier-Deskriptoren, Snakes
- Tiefensehen, 3D-Kameras
- Bewegungsschätzung und optischer Fluss
- Objekterkennung
- Beispielanwendungen
| |
Qualifikationsziele/Kompetenzen: - Studierende können die Grundlagen des künstlichen Sehens verstehen.
- Sie können die Auswahl und Kalibrierung von Kamerasystemen erklären und durchführen.
- Sie können die wichtigsten Methoden zur Merkmalsextraktion, Bewegungsschätzung, und Objekterkennung erklären und umsetzen.
- Sie können für unterschiedliche Probleme des künstlichen Sehen beispielhafte Lösungsansätze angeben.
|
Vergabe von Leistungspunkten und Benotung durch: |
Modulverantwortlicher: Lehrende: |
Literatur: - Richard Szeliski: Computer Vision: Algorithms and Applications - Springer, Boston, 2011
- David Forsyth and Jean Ponce: Computer Vision: A Modern Approach - Prentice Hall, 2003
|
Sprache: - Englisch, außer bei nur deutschsprachigen Teilnehmern
|
Bemerkungen:Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine
Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Regelmäßige Teilnahme an den Übungen gemäß Vorgabe am Semesteranfang
- Erfolgreiche Bearbeitung von Übungszetteln gemäß Vorgabe am Semesteranfang
Modulprüfung(en):
- CS4250-L1: Computer Vision, mündliche Prüfung, 100% der Modulnote
Ist identisch zu Modul XM2330 der Fachhochschule Lübeck |
Letzte Änderung: 1.2.2022 |
für die Ukraine