Teaching

Scientific Presentation and Communication (SE)

Termin: Tuesday, 13:00 – 16:00 Ort: FAV 01 A Motivation for the Course Communication, both written and oral, is crucial in most graduate jobs, whether in the commercial or the scientific sector.  The successful presentation of one´s own work depends on well-developed communication skills. In the more specific context of international scientific conferences, many more … Continue reading Scientific Presentation and Communication (SE)

Video Analysis (UE)

Anmeldung Siehe auch Zeitplan der VO und UE. Übungstermin Es gibt keinen regelmäßigen Übungstermin, der LVA-Leiter steht aber für individuelle Terminvereinbarungen zur Verfügung (Beantwortung von Fragen, allgemeine Beratung, Besprechung des Programm-Codes usw.). Downloads 1. Aufgabe Angabe Sequenz 1 Sequenz 2 Sequenz 3 Achtung: Die Indizes der Ground Truth Annotationen der Sequenzen 1, 2 und 3 … Continue reading Video Analysis (UE)

Video Analysis (VO)

Vorlesung: Montag, 1. 3.2021, 15.00-17.00 Uhr c.t.,  online ! Beginn: 1.3.2021 (Vorbesprechung der VO) Die LU entfällt dieses Semester. Weitere Informationen: TISS In dieser LVA wird die Analyse von Bildfolgen (Videos, Tiefen- und Thermaldaten) vertiefend behandelt: dazu gehören die Themengebiete Sensorik, Bewegungserkennung, Objektverfolgung, Szenen-Rekonstruktion und Performance Evaluation. Fragestellungen der visuellen, computergestützten Ereigniserkennung in Videos werden … Continue reading Video Analysis (VO)

Computer Vision (VU)

Dates Computer Vision (VU) is in presence in WS2024/2025. The exercise part will mainly take place virtually. A timetable for orientation of the lecture part is provided here. Exercise part: Six tutoring hours TH 9:00 – 12:00 , see the schedule in the TUWEL course. Location Lecture part: Monday, Tuesday, and Wednesday, 15:00 – 17:00  … Continue reading Computer Vision (VU)

Machine Learning for Visual Computing (VU)

Aktuelle Informationen zu dieser Lehrveranstaltung finden Sie im TISS Ziel der Lehrveranstaltung Verstehen der Prinzipien des maschinellen Lernens. Fähigkeit, die Methoden für Probleme im Bereich Visual Computing einzusetzen. Inhalt der Lehrveranstaltung Lineare Modelle für Regression und Klassifikation (inkl. Perceptron, Linear Basis Function Models, RBF, historische Entwicklung), Anwendungen in Visual Computing Neuronale Netze: Überblick über gängige Neuronale … Continue reading Machine Learning for Visual Computing (VU)