Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
De
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      De
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien
      Module
      Bildverarbeitung I

      Bildverarbeitung I

      Nummer
      bverI
      ECTS
      3.0
      Anspruchsniveau
      advanced
      Inhaltsübersicht
      Ziel des Moduls ist es, fortgeschrittene Techniken der Bildverarbeitung zu vermitteln. Im ersten Teil werden klassische Verfahren behandelt und im zweiten Teil Deep Learning eingeführt. Die behandelten Methoden bauen auf Verfahren der Stochastik, der Analysis und Machine Learning auf. Studierende erhalten dadurch einen guten Einblick in die faszinierenden Leistungen moderner Bildverarbeitungssysteme. Inhaltsübersicht
      • Bilderfassung und -speicherung
      • Mustersuche basierend auf Korrelation
      • Faltung und Filterung (lineare/nichtlineare Filterung, Kantendetektion)
      • Schlüsselpunkte und Deskriptoren
      • Deep Learning für Computer Vision
      • Klassifikation, Objekterkennung und Segmentierung
      • Praktische Überlegungen beim Anwenden von Deep Learning Modellen
      • Deep Learning Mini-Projekt
      Lernziele
      • Die Studentinnen und Studenten kennen die gesamte Prozesskette von der digitalen Bilderzeugung, über die Bildbearbeitung und Bildspeicherung bis zur Bildanalyse und können dabei klassische Techniken als auch Methoden des maschinellen Lernens einsetzen.
      • Sie verstehen das Prinzip der Faltung und dessen Einsatz in der linearen Filterung und in Deep Learning Modellen.
      • Sie erlernen die Bestimmung von Schlüsselpunkten und Deskriptoren, welche bei der Objektlokalisierung eine wichtige Rolle spielen und erarbeiten unterschiedliche Verfahren zur Objektsuche und Objekterkennung.
      • Sie verstehen wie mit Deep-Learning-Algorithmen Modelle für die Objekterkennung, Bildklassifikation und Bildsegmentierung trainiert und angewandt werden können und verstehen deren grundlegende Funktionsweise.
      • Sie sind in der Lage, anspruchsvolle Aufgaben der Bildverarbeitung in einer höheren Programmiersprache zu implementieren.
      Empfohlene Vorkenntnisse
      • Mathematik für Graphik und Bildverarbeitung (magb)
      • Machine Learning (ml)
      Leistungsbewertung
      Erfahrungsnote

      Studium

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: