Computer Vision and Machine Learning SS'23
Vorlesung mit Übung
Prof. Dr.-Ing. Martin Eisemann
Hörerkreis: Master
Kontakt: cvml@cg.cs.tu-bs.de
Modul: INF-CG-036, INF-CG-037
Vst.Nr.: 4216036, 4216037
Aktuelles
Die erste Veranstaltung findet am 18.04.2023 statt.
Sprache
Da der Kurs auch im Master Data Science angeboten wird ist die Unterrichtssprache Englisch.
Beschreibung
Nach erfolgreichem Abschluss dieses Moduls besitzen die Studierenden ein grundlegendes Verständnis zur Entwicklung komplexer Computer Vision Anwendungen. Sie sind in der Lage Probleme aus der Computer Vision zu durchdringen und geeignete (KI-basierte) Lösungen zu entwerfen und praktisch zu implementieren.
Anmeldung
Für die Teilnahme an der Vorlesung und Übung können Sie sich auf unsere Webseite unter "Teaching -> Course Enrollment" registrieren (direkter Link https://graphics.tu-bs.de/teaching/students ).
Studip wird nicht verwendet für diesen Kurs.
Die Anmeldung für die Prüfung erfolgt über das Prüfungsamt.
Bachelor/Master Hinweis
Auf Antrag (Formular beim Prüfungsamt verfügbar) kann dieser Kurs in der Regel auch im Bachelor belegt werden. Ob dieser Kurs auch regulär in Ihrem Bachelor angeboten wird entnehmen Sie bitte dem Modulhandbuch und Ihrer Prüfungsordnung.
Inhalt
Die Inhalte können sich noch bis zum Start der Vorlesung verändern
- Feature Detektoren und Deskriptoren
- Objekterkennung
- Matting
- Dense Correspondences
- Motion Capture
- Kamerakalibrierung
- Epipolar Geometrie
- Stereo und Multi-View Rekonstruktion
- Machine Learning für Computer Vision Probleme
- Computer Vision for Special Effects
Ort und Zeit
LIVE, Dienstags, 13:15–14:45 Uhr / Raum IZ 160, Lernvideos bitte VOR der Veranstaltung anschauen, diese werden weiter unten wöchentlich bereitgestellt)
Wöchentlich, beginnend am 18.04.2023
LIVE, Donnerstags, 09:45–11:15 Uhr / Raum IZ 160, Übungsblätter VOR der Veranstaltung bearbeiten, diese werden weiter unten in der Regel donnerstags bereitgestellt)
Wöchentlich, beginnend am 20.04.2023
tba
Vorlesungen
Die Vorlesung wird als Inverted Classroom durchgeführt, d.h. Sie müssen sich vorab das bereitgestellte Video/Material anschauen und die Vorlesungszeit kann für Fragen und vertiefende Thematiken genutzt werden.
Das Material für die jeweils nächste Veranstaltung, sowie die Vorlesungsfolien, werden in der Regel eine Woche vorher hier zur Verfügung gestellt.
Das Passwort wird in der VL bekannt gegeben und kann notfalls unter cvml@cg.cs.tu-bs.de erfragt werden.
Die LIVE Sessions finden jeden Dienstag regulär statt, ausser in der Exkursionswoche.
Übungen
In den Übungen wird in Python mit OpenCV und TensorFlow/PyTorch programmiert.
Die Übungsaufgaben werden jeweils Donnerstags online gestellt und am darauffolgenden Donnerstag in der Übungsstunde besprochen.
Die theoretischen Aufgaben eines jeden Übungsblattes sind in Gruppen von zwei bis drei Personen anzufertigen und bis spätestens Mittwochs 9:30 Uhr im Git Repository der jeweiligen Übung hochzuladen. Namen und Matrikelnummer auf den Blättern nicht vergessen.
Die praktischen Aufgaben müssen in der Übungsstunde vorgeführt werden. Arbeitsgruppen von bis zu drei Leuten sind erlaubt, doch muss jeder in der Gruppe selbstständig eventuelle Fragen zu den Aufgaben und dem Code beantworten können.
Die Frameworks und Lösungen wurden auf den Rechnern im CIP Pool getestet. Leider können wir keine direkte Unterstützung für andere Systeme garantieren. Für die Anfertigung der praktischen Aufgaben ist ein Computer mit Linux oder Windows erforderlich. Die Funktion des Frameworks unter Mac OS/X kann nicht garantiert werden. Bei Problemen meldet euch per Email an cvml@cg.cs.tu-bs.de.
Kickoff-Folien [pdf] aus der ersten Übung.
Blatt 1
Blatt 2
[task | code (updated) | solution] —
Introduction to Python, Image Handling, Color Spaces
Bearbeitungszeit: 04.05.–17.05.
Präsentation: 18.05.
Blatt 3
Blatt 4
Blatt 6
Prüfung
Prüfungszeitraum siehe unter Ort und Zeit.
Eventuelle Änderungen werden in der Vorlesung und auf dieser Webseite rechtzeitig bekanntgegeben.
- Prüfungsform: schriftliche Klausur
- Scheinerwerb durch Bestehen der Prüfung (mind. 50% der Punkte)
- Voraussetzung zum Modulabschluss: mindestens 50% der Punkte aus den Übungen erreicht.
- Prüfungsteilnahme auch bei Vertiefung empfehlenswert!
- Studierende müssen sich beim Prüfungsamt anmelden!
Prüfungsdetails
Untenstehend sehen Sie den Notenschlüssel der Prüfung vom 30.03.2021.
Die Prüfungsergebnisse wurden den Teilnehmern per Email zugesandt.
Bis zum 08.04.2021 haben Sie die Möglichkeit Einspruch zu erheben. Bitte senden Sie dazu eine Email an cvml@cg.cs.tu-bs.de.
Ein Termin zur Klärung wird am 09.04.2021 um 13 Uhr angeboten, falls notwendig (bis jetzt gab es noch keine entsprechende Anfrage).
Eine Musterlösung finden Sie hier.
Probeprüfung
Eine kleine Probeprüfung finden Sie hier.
Nachholprüfung
Falls Sie in der regulären Prüfung durchgefallen sind oder einen Freiversuch geltend machen wollen, haben Sie die Möglichkeit zur Nachholprüfung anzutreten. Diese finden in der Regel in der ersten vorlesungsfreien Woche statt. Zur Anmeldung registrieren Sie sich bitte für die Prüfung regulär beim Prüfungsamtund senden Sie bitte eine entsprechende Email mit der Bitte um mündliche Nachholprüfung an sekretariat@cg.cs.tu-bs.de unter Angabe ihres vollen Namens, Matrikelnummer, TU Emailadresse und Studiengang.
Die mündlichen Nachholprüfungen finden in der Regel gesammelt jeweils 1x im Semester statt. Ein Termin wird ihnen nach Anmeldung rechtzeitig vorher mitgeteilt.
Ergänzungsprüfung
Falls Sie eine mündliche Ergänzungsprüfung benötigen, weil Sie im letzten regulären Versuch die Prüfung nicht bestanden haben, so senden Sie bitte umgehend nach Erhalt der Note (also wenn diese offiziell beim Prüfungsamt eingetragen wurde) eine Email mit der Bitte um mündliche Ergänzungsprüfung an sekretariat@cg.cs.tu-bs.de unter Angabe ihres vollen Namens, Matrikelnummer, TU Emailadresse und Studiengang.
Die mündlichen Ergänzungsprüfungen finden in der Regel gesammelt jeweils 1x im Semester statt. Ein Termin wird ihnen rechtzeitig vorher mitgeteilt.
Anforderungen
- Programmierkenntnisse, vorzugsweise in Python
Literatur
- Richard J. Radke: Computer Vision for Visual Effects,
- Richard Szeliski: Computer Vision: Algorithms and Applications, Springer Verlag
- D. Forsyth and J. Ponce: Computer Vision: A Modern Approach. Prentice Hall