Deep Learning for Computer Vision

  • Type: Vorlesung (V)
  • Semester: SS 2020
  • Time: 2020-04-20
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


    2020-04-27
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-05-04
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-05-11
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-05-18
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-05-25
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-06-08
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-06-15
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-06-22
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-06-29
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-07-06
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-07-13
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    2020-07-20
    11:30 - 13:00 wöchentlich
    50.34 Raum -101
    50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


  • Lecturer: Prof. Dr.-Ing. Rainer Stiefelhagen
    Dr.-Ing. Muhammad Saquib Sarfraz
  • SWS: 2
  • Lv-No.: 24628
Comment

Basic knowledge of pattern recognition as taught in the module Cognitive Systems is expected.

Content of teaching

The lecture introduces the basics, as well as advanced aspects of deep learning methods and their application for a number of computer vision tasks. The following topics will be addressed in the lecture:

- Introduction to Deep Learning

- Convolutional Neural Networks (CNN): Background

- CNNs: basic architectures and learning algorithms

- Object Recognition with CNN

- Image Segmentation with CNN

- Recurrent Neural Networks

- Generating image descriptions (Image Captioning)

- Automatic question answering (Visual Question Answering)

- Generative Adversarial Networks (GAN) and their applications

- Deep Learning platforms and tools

Annotation

The lecture is partially given in German and English.

Shortdescription

In recent years tremendous progress has been made in analysing and understanding image and video content. The dominant approach in Computer Vision today are deep learning approaches, in particular the usage of Convolutional Neural Networks.

Workload

90 Stunden

Aim

Students should be able to grasp the underlying concepts in the field of deep learning and its various applications.

  • Understand the theoretical basis of deep learning
  • Understand the Convolutional Neural Networks (CNN)
  • Develop basis for the concepts and algorithms used in building and training the CNNs.
  • Able to apply deep learning in different computer vision applications
Exam description

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

  • in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
  • in Form einer schriftlichen Prüfung  nach § 4 Abs. 2 Nr. 1 SPO

stattfindet.

Vorlesungsfolien

This lecture will be held online.

 

Preliminary Schedule:

20.04.2020            Introduction / Overview [pdf]

27.04.2020            Neural Networks - Basics [pdf]

04.05.2020            Deep CNN Networks Background [pdf]

11.05.2020            Deep Networks: Object Recognition [pdf]

18.05.2020            Object Detection [pdf]

25.05.2020            Image Segmentation [pdf]

01.06.2020            Public Holiday (Pfingstmontag)

08.06.2020            Recurrent Neural Networks (RNN) + Embeddings [pdf]

15.06.2020            RNNs for Image Caption / Tagging) [pdf]

22.06.2020            Visual Question-Answering (VQA) [pdf]

29.06.2020            Action & Activity Recognition and Self-Supervised Learning [pdf]

06.07.2020            Generative Adversarial Networks (GAN) [pdf]

13.07.2020            Advanced Topics [pdf]

20.07.2020            Summary [pdf]

 

Change of time and location of the written exam in Deep Learning for Human-Computer Interaction:

Date: 5th August 2020 

Time: 16:00-17:00

Venue: Zelt auf dem Forum (tent at Forum)