TU Wien:Grundlagen der Computer Vision VU (Hermosilla Casajus)

Aus VoWi
Zur Navigation springen Zur Suche springen

Daten[Bearbeiten | Quelltext bearbeiten]

Vortragende Pedro Hermosilla CasajusLisa Magdalena Weijler
ECTS 6,0
Alias Fundamentals of Computer Vision (en)
Letzte Abhaltung 2024W
Sprache English
Mattermost grundlagen-der-computer-visionRegisterMattermost-Infos
Links tiss:193125, eLearning, Homepage
Zuordnungen
Bachelorstudium Informatik Modul Grundlagen der Computer Vision (Breite Wahl)
Bachelorstudium Medieninformatik und Visual Computing Modul Grundlagen der Computer Vision (Pflichtfach)


Inhalt[Bearbeiten | Quelltext bearbeiten]

noch offen, bitte nicht von TISS/u:find oder Homepage kopieren, sondern aus Studierendensicht beschreiben.


Themen waren

  • Image formation und filtering, was man noch von EVC ein bissi kennen sollte
  • Image features wie SIFT
  • Und dann fast nur Neural Network Themen
  • Image classification, klassisch und mit NNs
  • Object detection
  • Image segmentation
  • Image generation
  • 3D reconstruction and vision
  • 3D models

Ablauf[Bearbeiten | Quelltext bearbeiten]

noch offen

Benötigte/Empfehlenswerte Vorkenntnisse[Bearbeiten | Quelltext bearbeiten]

noch offen

Vortrag[Bearbeiten | Quelltext bearbeiten]

noch offen

Übungen[Bearbeiten | Quelltext bearbeiten]

noch offen

Prüfung, Benotung[Bearbeiten | Quelltext bearbeiten]

WS 24 - Exam 1[Bearbeiten | Quelltext bearbeiten]

Die Prüfung war ähnlich zu dem Probetest auf Tuwel. Die Themengebiete waren die gleichen, und die Struktur auch. (Multiple Choice und danach schriftliche Fragen)

Bei den Multiple Choice Fragen wurden zu jedem Thema einige Fragen gestellt, z.B. Fragen zu Vektoren (Image Formation), "the result of two convolutions is another convolution (true)"

Eine der beliebten Fragen scheint Backpropagation zu sein, da man dieses gut rechnen kann. Ansonsten war sehr wenig mathematisches gefragt.

Auch wurde zum Pinhole Camera Model eine schriftliche Frage gestellt (erklären, was sind die Limitierungen, warum würde man eine Linse verwenden).

Am Ende wurde noch zu einer eher konkreten NN Architektur eine Frage gestellt. (PointNet Architecture, und wie muss man diese erweitern für ...)

WS 24 - Exam 1 / open questions[Bearbeiten | Quelltext bearbeiten]

  1. Explaion Backpropagation + draw graph with x=1, y=4 and f(x,y)=x*x + y + 1/(x+y) (memory protocol!)
  2. Explain R-CNN and Fast R-CNN (What does it, Architecture, Difference)
  3. Harris Förstner Corner Detector (How does it work)

Dauer der Zeugnisausstellung[Bearbeiten | Quelltext bearbeiten]

WS23: Prüfung am 26.01.2024, Zeugnis am 26.02.2024 (1 Monat)

Zeitaufwand[Bearbeiten | Quelltext bearbeiten]

noch offen

Unterlagen[Bearbeiten | Quelltext bearbeiten]

noch offen

Tipps[Bearbeiten | Quelltext bearbeiten]

noch offen

Highlights / Lob[Bearbeiten | Quelltext bearbeiten]

noch offen

Verbesserungsvorschläge / Kritik[Bearbeiten | Quelltext bearbeiten]

noch offen


Materialien

Diese Seite hat noch keine Anhänge, du kannst aber neue hinzufügen.