Home | Legals | Sitemap | KIT

Inhaltsbasierte Bild- und Videoanalyse (Content-Based Image and Video Retrieval)

Inhaltsbasierte Bild- und Videoanalyse (Content-Based Image and Video Retrieval)
Type: Vorlesung (V) Links:
Semester: SS 2015
Time: 13.04.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


20.04.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

27.04.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

04.05.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

11.05.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

18.05.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

01.06.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

08.06.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

15.06.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

22.06.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

29.06.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

06.07.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

13.07.2015
11:30 - 13:00 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


Lecturer: Dr.-Ing. Muhammad Saquib Sarfraz
Prof.Dr.Ing. Rainer Stiefelhagen
SWS: 2
Lv-No.: 24628
BeschreibungBei der immer größer werdenden Masse an leicht verfügbarenMultimediadaten werden Methoden zur deren automatischen Analyse, dieBenutzern dabei helfen können, gewünschte Inhalte zu finden, immerwichtiger. Hierfür werden verschiedene Technologien benötigt. Zum einenmuss der Inhalt der Multimediadaten in einer passenden Formrepräsentiert werden, die eine effiziente und erfolgreiche Sucheermöglicht. Außerdem werden entsprechende audio-visuelleAnalyseverfahren benötigt. Die folgende Suche kann entwedervollautomatisch erfolgen, oder den Benutzer interaktiv in denSuchprozess einbinden.

In dieser Vorlesung werden verschiedene Themen der inhaltsbasiertenBild- und Videoanalyse in Multimediadaten behandelt werden. DieVorlesung beinhaltet unter anderem folgende Themen:

  • Bildsegmentierung und Deskriptoren
  • Maschinelles Lernen für Inhaltsbasierte Bild- und Video-Analyse sowie
  • Suche
  • Videoschnitterkennung und Klassifikation von TV Genres
  • Evaluaierung Inhaltsbasierter Bild- und Videoanalyseverfahren(TrecVid)
  • Automatisches "tagging" von Personen in Fotoalben & sozialen Netzen
  • Personen-/Gesichtsdetektion und -erkennung in Videos
  • Erkennung von Ereignissen
  • Detektion von Kopien
  • Semantik in Bildern und Videos
  • Data mining in sozialen Netzen
  • Suche: Automatische und interaktive Suche / Relevanz-Feedback
  • Werkzeuge und Softwarebibliotheken zur Bild- und Videoanalyse
KurzbeschreibungThe number of easily accessible multimedia is increasing drastically. Therefore methods of automatic analysis, which support the users to find the contents requested, are becoming more and more important. For this purpose different technologies are required. On the one hand, the content of the multimedia data is to be modelled in an adequate way, which allows an efficient and successful search, and on the other hand appropriate audio-visual analysis procedures are required. The search can then be either done fully automatically or involve the user interactively in the search process.

This lecture deals with various topics of content-based image and video analysis and includes the following topics:
•    Image segmentation and descriptors
•    Basic knowledge of machine learning for content-based image and video analysis as well as video cut detection
•    Classification of TV genres
•    Evaluation of content-based image and video analysis methods
•    Automated tagging of persons in photo albums and social networks
•    Detection of duplicates (copy detection)
•    Semantics in images and videos
•    Automatic and interactive search / relevance feedback
•    Tools and libraries for image and video analysis

Vorlesungsfolien

Vorläufige Planung:

13.04.15           Introduction / Overview [pdf]

20.04.15           Visual & local Descriptors [pdf]

27.04.15           Segmentation [pdf]

04.05.15           Machine Learning for CBIR / Classifiers: SVM, kNN etc. [pdf]

11.05.15           Deep Networks: Background [pdf]

18.05.15           Deep Networks: Object Recognition [pdf]

25.05.15           Pfingstmontag - keine Vorlesung

01.06.05           Semantics for Image and Video Search [pdf]

08.06.15           Similar Image and Video Retrieval [pdf]

15.06.15           From Images to Video: Shot Boundary Detection & Genre Classification [pdf]

22.06.15           Event Recognition [pdf]

29.06.15           Automatic and Interactive Search / Relevance Feedback [pdf]

06.07.15           Semantic Search & Relevance Feedback [pdf]

13.07.15           Summary / Lab Visit [pdf]

 

Archiv