Modulstudien

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

This course aims at offering a self-contained account of image processing and computational photography and its underlying concepts, including the recent use of deep learning.

The topics that will be covered are:

introduction to image processing and computational photography
sampling and quantization
image acquisition
deep learning
generative methods
image signal processing
image enhancement
feature description and detection
sensor and image quality assessment
image compression
applications

Due to the technological advances in hardware and compute power nowadays the visual data is collected in huge amounts practically by everyone. The digital cameras are pervasive. Most of the smart devices include camera sensors and are capable of capturing stills and videos. With these large amounts of visual data there is a pressing need to automatically process, organize, interpret the data and refine the information in ways that humans are capable. Computer Vision is asked to provide such solutions.

How to achieve such goals? What are the challenges? What are the solutions? What is state-of-the-art? What are the benefits? What is the societal impact? How can we further improve the state-of-the-art?

In this seminar, we review, explore and debate such questions based on the recent research at the intersection of Machine Learning, Computer Vision, Robotics and Artificial Intelligence.

Each participant will be assigned one topic from a range of computer vision topics, including but not limited to those listed below.

Each participant is expected to prepare a written review report covering the state-of-the-art on the particular topic (compiled from at least two research papers) and a corresponding oral presentation.

At the same time, each participant is expected to interact, read and comment on the reports provided and presented by the other participants.

Each participant will get skills on critical analysis, scientific discourse, and preparation, writing, and presentation on a research topic. Moreover, the participants will get acquainted with state-of-the-art computer vision.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

In this lab, students will get a chance to explore computational aspects in the acquisition and processing of astronomical image data. After a hands-on introduction to practical and technical aspects of astrophotography, we will use astronomical equipment to capture data on deep sky objects such as nebulae and galaxies. Accounting for the weather, daylight, and moon situation, in this first phase of the lab we may meet on campus late in the evening to collect data that will be used in a second phase. In the second phase of the lab, students will form groups that will address key tasks in astronomical image processing, such as image registration to automatically align different exposures, image stacking to improve the signal-to-noise ratio, multi narrow-band color composition, strectching/rescaling of the histogram, plate-solving to identify sky coordinates in a given image, classification of deep sky objects, etc. Solving these tasks requires the development of python code based on libraries such as astropy, pyTorch, scikit-image, or Pillow.

Interested students are required to participate in an initial information event, and formally register for the lab until October 30th.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Was haben Produktionsplanung, Personalplanung im Krankenhaus und das Erstellen von Zugfahrplaenen gemeinsam?
Diese Probleme, und noch viele weitere, lassen sich als lineares oder linear ganzzahliges Optimierungsproblem modellieren und loesen.
In diesem Seminar lernen wir Loesungsverfahren und Anwendungen der linearen und ganzzahlig linearen Optimierung kennen.
Nach einem ersten Treffen zu Beginn des Semesters bereitet jede/r Teilnehmende allein oder in Zweiergruppen (je nach Anzahl der Teilnehmenden) einen Vortrag vor, der auf einem Lehrbuchkapitel oder einem Artikel zum Thema basiert und am Ende des Semesters praesentiert wird.
Das Seminar ist sowohl fuer Studierende im Bachelor- als auch im Masterstudium geeignet, Inhalte der Vorlesung „Algorithmische Graphentheorie“ werden als bekannt vorausgesetzt.

Bitte melden Sie sich zur besseren Planbarkeit bei Interesse am Seminar bei Marie Schmidt (marie.schmidt@uni-wuerzburg.de)

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Beschreiben Sie kurz und prägnant, worum es in diesem Kurs geht.

Nicht-öffentlicher Kurs für Teilnehmer des Seminars "Aktuelle Trends in Künstlicher Intelligenz". Für eine Anmeldung zum Seminar beachten Sie bitte unsere Homepage: https://www.informatik.uni-wuerzburg.de/is/lehre/wintersemester-2022-23/seminar-aktuelle-trends-in-der-kuenstlichen-intelligenz/