http://www.tu-ilmenau.de

Logo TU Ilmenau


Ansprechpartner

Univ.-Prof. Dr.-Ing. Horst-Michael Groß

Head of department

Telefon +49 3677 692858

E-Mail senden

INHALTE

Deep Learning for Computer Vision

Hinweise

Tragen Sie sich bitte MIT IHRER UNI-MAILADRESSE in den Mailverteiler zu dieser Vorlesung ein, um die Zugangsdaten für die Vorlesungs-Unterlagen sowie aktuelle Informationen zu erhalten.

Senden Sie dazu eine Email mit dem Betreff:
Eintrag in die Liste Deep Learning
an folgende Adresse: deeplearning@tu-ilmenau.de.

Sie erhalten als Antwort den Hinweis, dass Ihre Email zurückgehalten wird, bis der Moderator diese genehmigt hat. Das kann bis zu einem Tag dauern, am Wochenende auch länger. Sobald Sie in die Liste aufgenommen sind, erhalten Sie eine entsprechende Willkommensnachricht.


Die Unterlagen, die auf dieser Seite zur Verfügung gestellt werden, sind passwortgeschützt.
Die Zugangsdaten werden Ihnen nach Eintrag in den o.g. Mailverteiler zugesandt.


Lehrinhalte

Zunächst werden wichtige Grundlagen aus der Vorlesung „Neuroinformatik & maschinelles Lernen“ in Kurzfassung wiederholt. Es werden die verschiedenen Lernparadigmen, die Grundlagen zu Neuronalen Netzen und die für die Umsetzung notwendige Mathematik besprochen. Weiterhin wird vertiefend auf das Multi-Layer Perceptron (MLP), den Backpropagation-Lernalgorithmus und auf den Aufbau eines Convolutional Neural Networks (CNN) eingegangen. Aufbauend auf diesen Grundlagen werden weiterführende Deep-Learning-Techniken des aktuellen State of the Arts vermittelt. Unter anderem wird auf erweiterte Regularisierungsmethoden, moderne Aktivierungsfunktionen und fortgeschrittene gradientenbasierte Optimierungstechniken eingegangen. Einen weiteren Schwerpunkt bildet die Vorstellung bekannter Deep-Learning-Architekturen und der darin verwendeten Kerntechnologien. Dabei wird auf ImageNet-Architekturen sowie mobile Architekturen eingegangen und ein Ausblick auf weitere Architekturen und Verschaltungskonzepte gegeben. Anschließend wird vermittelt, welche Besonderheiten bei der Einbindung der Deep-Learning-Techniken und -Architekturen in verschiedene Computer-Vision-Anwendungsbereiche beachtet werden müssen. Die grundlegenden Konzepte zur Anwendung in Klassifikations-, Detektions-, Segmentierungs-, Posenerkennungs- und Wiedererkennungsaufgaben werden vorgestellt. Außerdem wird auf die praktische Anwendung der Techniken und Architekturen auf eigenen Problemstellungen und Daten eingegangen. Abschließend wird auf aktuelle Forschungsfragen eingegangen, unter anderem: Was geht in Neuronalen Netzwerken vor? Kann man Neuronalen Netzwerken vertrauen? Sind tiefe Neuronale Netzwerke für Echtzeitanwendungen schnell genug? Wie flexibel sind Neuronale Netzwerke?

Alle Vorlesungsinhalte werden in praxisnahen Übungen vertieft.


Übungsaufgaben WS 2019/20

Einschreibung über Moodle
Download über Moodle

ÜbungAufgabenErgänzungen

 

*Download über Rechtsklick -> Link speichern unter