Studiengänge
| Abschluss |
Studiengang |
Semester |
Leistungspunkte |
| B. Sc. |
Medieninformatik (B.Sc.), PV 29
|
-
|
15
|
| B. Sc. |
Medieninformatik (B.Sc.), PV 11
|
-
|
15
|
| B. Sc. |
Medieninformatik (B.Sc.), PV 16
|
-
|
15
|
| B. Sc. |
Medieninformatik (B.Sc.), PV 17
|
-
|
15
|
| M. Sc. |
Digital Engineering (M.Sc.), PV 19
|
-
|
12
|
| M. Sc. |
Computer Science for Digital Media (M.Sc.), PV 18
|
-
|
15
|
| M. Sc. |
Human-Computer Interaction (M.Sc.), PV19
|
-
|
12/18
|
| B. Sc. |
Informatik (B.Sc.), PV 2020
|
-
|
12
|
| M. Sc. |
Computer Science for Digital Media (M.Sc.), PV 2020
|
-
|
12
|
| M. Sc. |
Digital Engineering (M.Sc.), PV 2023
|
-
|
12
|
Inhalt
| Beschreibung |
Die Teilnehmer werden an ein aktuelles forschungs- oder industrierelevantes Thema herangeführt. Es ist nicht beabsichtigt einen festgelegten Bereich in voller Breite zu explorieren. Stattdessen werden die Teilnehmer mit der vollen Komplexität eines begrenzten Themas konfrontiert und die Eigeninitiative gefördert. Es ermöglicht einen Einblick in die Forschungs- und Entwicklungsprojekte des Fachgebiets. |
| Literatur |
- R.C. Gonzalez and R.E. Woods, 2017: Digital image processing, Pearson, 1-1024.
- R. Szeliski, 2022: Computer vision: algorithms and applications 2Ed, Springer, 1-925.
- S.J.D. Prince, 2023: Understanding Deep Learning. MIT Press, 1-527.
|
| Bemerkung |
Time and place will be announced at the project fair. |
| Voraussetzungen |
Vorlesungen „Photogrammetric Computer Vision“, „Image Analysis and Object Recongnition“ oder „Deep Learning for Computer Vision“ wünschenswert. Gute Programmierkenntnisse (z.B. C/C++, MATLAB/Octave, Python oder OpenCL/CUDA) |
| Leistungsnachweis |
Aktive Mitarbeit, Einführungsvortrag, Abschlusspräsentation, Dokumentation |
| Zielgruppe |
B.Sc. Medieninformatik / Informatik
M.Sc. Computer Science and Media / Computer Science for Digital Media
M.Sc. Human-Computer Interaction
M.Sc. Digital Engineering |
