Modultitel

  • Vision in Human and Machine

Modultitel (Englisch)

  • Vision in Human and Machine

Lehrveranstaltungen des Moduls

  • Vision in Man and Machine (Block-Vorlesung in Englischer Sprache und Übungen)
  • Gruppenprojekt

Modulverantwortliche(r)

Lehrinhalte

This lecture gives an overview over the current state of  knowledge about the human visual system and how this has led to new approaches to computer vision technology that are particularly suitable for embodied intelligent systems like humanoid robots. The lecture starts with an overview on the overall characteristics of human visual perception and a short review of the current state-of-the-art in computer vision. Then I will focus on the main human visual pathways for object recognition (“what”) and spatial perception (“where”) and present established models of early feature detection for these pathways. I will discuss the principle of redundancy reduction, which is an important concept for understanding sensory processing in the brain and explain methods like sparse coding for unsupervised learning of features. These methods have recently developed into well-established tools for general pattern recognition. Going from low-level perception to more high-level concepts, I will introduce the main models for object representation in the higher visual cortex and present corresponding hierarchical model implementations for object recognition which were shown to be very efficient in their application to humanoid robots. Another important topic will be the Gestalt laws of perception,  and how the phenomena of perceptual grouping can be modeled using neurodynamical models for sensory segmentation. In the final part of the lecture I will focus on multi-modality and visual action-related representations like mirror-neurons in the brain and show how this has led to new learning and representation approaches for cognitive robots.

Kompetenzen

Im Rahmen dieser Vorlesung lernen die Studierenden am Beispiel des visuellen Sytems des Menschen die äußerst fruchtbare interdisziplinäre Zusammenarbeit zwischen den experimentellen Neurowissenschaften und der technischen Bildverarbeitung mit neuronalen Architekturen kennen. Sie erwerben dabei Grundkenntnisse der Bildverarbeitung bezüglich Merkmalsextraktion, Objekterkennung und Segmentierung und lernen den aktuellen Stand der neurowissenschaftlichen Forschung zur biologischen Realisierung dieser Verarbeitungsprinzipien kennen. Praktische Übungen in MATLAB und Gruppenprojekte dienen der Vertiefung des erworbenen Wissen für Anwendungen aus der Computer Vision.

Anzahl Einzelleistungen (benotet und unbenotet)

benotete mündliche Prüfung über die Vorlesungsinhalte, erfolgreiche Teilnahme an den Präsenzübungen, erfolgreiche Barbeitung des Gruppenprojektes (Software-Projekt mit schriftlicher Ausarbeitung)

Prüfungsformen

benotete oder unbenotete mündliche Prüfung, Software-Projekt, schriftliche Ausarbeitung

Voraussetzungen für die Vergabe von Leistungspunkten

Die bestandene mündliche Prüfung und die erfolgreiche Bearbeitung des Gruppenprojektes ergeben insgesamt 5 LP

Arbeitsaufwand und Leistungspunkte

Vorlesung:
Präsenzübungen:
Nachbereitung:
Prüfungsvorbereitung
gesamt: 90h = 3 LP		 4h x 5 Tage
4h x 5 Tage


 = 20h
= 20h
= 20h
= 30h
Gruppenprojekt: Software
Gruppenprojekt: Dokumentation
gesamt: 60h = 2 LP
= 40h
= 20h

Leistungspunkte für das Modul: 5 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Grundkenntnisse in Mathematik: Mehrdimensionale Analysis

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

jährlich im Anschluss an das Wintersemester