Herzlich willkommen am Lehrstuhl für Maschinelles Lernen und Maschinelles Sehen.?

?

Am Lehrstuhl für “Maschinelles Lernen und Maschinelles Sehen” (engl. Machine Learning and Computer Vision) werden Verfahren zum maschinellen Lernen und Sehen sowie Wahrnehmen im Allgemeinen erforscht. Neben der Erforschung und Entwicklung von Verfahren, die speziell auf Bild, Video, Sensor- und Multimediadaten (= Daten von unterschiedlichen Quellen und unterschiedlicher Art) ausgerichtet sind, werden auch Verfahren des Data Mining und Analytics auf Produktionsdaten erforscht, weil deren Sensordaten ebenso eine Form von Wahrnehmung darstellen. Ein bedeutender Schwerpunkt ist die Erkennung von Menschen, deren Pose und Aktionen in 2D und 3D, deren Bewegungsvoraussage in die Zukunft sowie die Auswertung der Güte von Bewegungen (z.B. im Weit-/Dreisprung, Schwimmen und Skispringen für unserer Olympioniken). Auch für medizinische Daten (MRT, Kolos?kopievideos) entwickelt der Lehrstuhl automatische Verfahren zur Erkennung von medizinischen Befunden sowie für die automatische Erstellung von textuellen Befunden (engl. Report Generation). Ein dritter Schwerpunkt am Lehrstuhl bildet die Erforschung von Verfahren zur Erzeugung von neuen Trainingsbeispielen durch Synthese mittels Generative Adversarial Networks (GANs), welche es erlauben, die für tiefe neuronale Netze ben?tigt gro?e Zahl an Trainingsbeispielen aus einer kleinen domainspezifischen Trainingsmenge oder zus?tzlich aus einer gro?en domainfremden Trainingsmenge zu synthetisieren, und welche damit weit über die M?glichkeiten des einfachen Data Augmentation hinausgehen.

?

• Angewandtes Maschinelles Lernen (Applied?Machine Learning, e.g., deep neural networks, bayesian networks, random forests)
• Maschinelles Sehen (Computer Vision) wie multimodale Detektion, Lokalisation und Erkennung von Menschen, Objekten und Ereignissen sowie industrielle visuelle und multimodale Materialprüfung
• Data Mining von multimodalen Daten (z. B. Produktionsdaten)
• Indizierung und 拉斯维加斯赌城 in Bild, Video und multimodalen Dokumenten
• Erzeugung von neuen Trainingsbeispielen durch Synthese mittels Generative Adversarial Networks (GANs)?aus einer kleinen domainspezifischen Trainingsmenge oder zus?tzlich aus einer gro?en domainfremden Trainingsmenge?

Bachelor: Multimedia Grundlagen 1 (B), Grundlagen Signalverarbeitung und Maschinelles Lernen (B), Multimedia Projekt (B)

Master:?Maschinelles Lernen und maschinelles Sehen (Machine Learning? & Computer Vision) (M), Fortgeschrittenes maschinelles Lernen und maschinelles Sehen (Advanced Machine Learning? & Computer Vision) (M), Foundation Models in Deep Learning (M), Advanced Deep Learning (M)