Zur Modulseite PDF generieren

#41200 / #1

Seit WiSe 2024/25

Deutsch, Englisch

Tracking Methoden im Maschinellen Sehen

3

Gallego, Guillermo

Benotet

Portfolioprüfung

Deutsch

Zugehörigkeit


Fakultät IV

Institut für Technische Informatik und Mikroelektronik

34342000 FG Robotic Interactive Perception

Keine Angabe

Kontakt


MAR 5-5

Hamann, Friedhelm Steffen

f.hamann@tu-berlin.de

Keine Angabe

Lernergebnisse

Erwerb vertiefter Kenntnisse in ausgewählten aktuellen Themen der Forschung des maschinellen Sehens. Wir werden verschiedene Themen an der Schnittstelle von maschinellem Lernen, Robotik und Computer Vision behandeln, wobei der Schwerpunkt auf Tracking Methoden und angrenzenden Bereichen liegt (z. B. object tracking, video instance segmentation, point tracking und dynamic novel view synthesis). Die Studierenden werden in der Lage sein, aktuelle wissenschaftliche Ergebnisse und Perspektiven sowohl mündlich als auch in einer schriftlichen Prüfung zu präsentieren und zu diskutieren.

Lehrinhalte

Kurs mit variierendem Inhalt im Bereich des maschinellen Sehens. Schwerpunkt auf Verfolgungsmethoden unter Einbeziehung unterschiedlicher Aufgabenstellungen (object tracking, video instance segmentation, point tracking, and dynamic novel view synthesis).

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Dynamic Vision: Tracking Methods in Computer VisionSEMk.A.en2

Arbeitsaufwand und Leistungspunkte

Dynamic Vision: Tracking Methods in Computer Vision (SEM):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.02.0h30.0h
Vor-/Nachbereitung15.04.0h60.0h
90.0h(~3 LP)
Der Aufwand des Moduls summiert sich zu 90.0 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Seminar mit aktiver Beteiligung der Studierenden.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Interesse an Computer Vision. Eine solide mathematische Grundlage und grundlegende Kenntnisse im maschinellen Lernen sind von Vorteil.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

Englisch

Prüfungselemente

NamePunkteKategorieDauer/Umfang
(Lernprozessevaluation) mündliche Präsentation50mündlich15 min
(Punktuelle Leistungsabfrage) schriftliche Prüfung50schriftlich60 min

Notenschlüssel

Notenschlüssel »Notenschlüssel 3: Fak IV (3)«

Gesamtpunktzahl1.01.31.72.02.32.73.03.33.74.0
100.0pt85.0pt80.0pt75.0pt70.0pt65.0pt60.0pt55.0pt50.0pt45.0pt40.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

Von den Studierenden wird erwartet, aktiv am Semester teilzunehmen und ihren Lernerfolg in einer schriftlichen Prüfung zu demonstrieren. Darüber hinaus sollen die Studierenden eine Präsentation über ein Paper oder die Anwendung der im Unterricht behandelten Methoden auf ihre eigenen Probleme vorbereiten und halten.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 50.

Anmeldeformalitäten

Einzelheiten zum Kurs sowie Anweisungen zur Registrierung finden Sie auf der Website des Exzellenzclusters „Science of Intelligence“: https://www.scienceofintelligence.de/master-track/

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Antonio Torralba: Foundations of computer vision
Richard Szeliski: Computer Vision: Algorithms and Applications

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Computer Engineering (M. Sc.)16WiSe 2024/25SoSe 2025
Computer Science (Informatik) (M. Sc.)16WiSe 2024/25SoSe 2025
Elektrotechnik (M. Sc.)14WiSe 2024/25SoSe 2025
Information Systems Management (Wirtschaftsinformatik) (M. Sc.)12WiSe 2024/25SoSe 2025

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe