Background Image
Previous Page  118 / 324 Next Page
Information
Show Menu
Previous Page 118 / 324 Next Page
Page Background

Prof. Dr. Daniel Cremers

Lehrstuhl für Bildverarbeitung und Mustererkennung, TU München

Prof. Dr. Michael Möller

Lehrstuhl für Visuelle Szenenanalyse, Universität Siegen

Studierende der Mathematik, Physik, Informatik und Elektrotechnik mit hinreichend

mathematischem Fachhintergrund. Eine gewisse Vertrautheit mit der Programmier-

sprache Matlab ist wünschenswert, aber nicht notwendig.

Die riesigen Fortschritte in der Entwicklung neuer Sensor- und Messtechniken haben dazu

geführt, dass in nahezu allen Bereichen der Wissenschaft die Akquirierung von Daten nicht

länger der limitierende Faktor für die Gewinnung neuer Erkenntnisse ist. So werden bei-

spielsweise täglich über 1,8 Milliarden Bilder über soziale Medien im Internet verbreitet. Die

Nutzbarmachung von Informationen aus den Unmengen von verfügbaren Daten stellt die nu-

merischen Algorithmen zu deren Analyse vor immer größer werdende Herausforderungen.

Eine Vielzahl von interessanten Analyseverfahren, insbesondere im Bereich der Bildverar-

beitung und des maschinellen Sehens, laufen auf konvexe Optimierungsprobleme hinaus.

In der Arbeitsgruppe werden die Teilnehmenden die Grundlagen der konvexen Optimierung

erlernen und anhand von praktischen Beispielen im Computer numerisch umsetzen. Es wer-

den grundlegende Begriffe wie „konvexe Menge“ und „konvexe Funktion“ eingeführt. Wir be-

handeln das Problem der Optimierung unter Nebenbedingungen, das Konzept der Dualität

und eine Reihe von numerischen Optimierungsverfahren, vor allem projizierter Gradienten-

abstieg und primal-duale Algorithmen.

In Projektarbeiten werden die vorgestellten Algorithmen numerisch implementiert und auf

Probleme der mathematischen Bildverarbeitung angewendet. Als Beispiele werden unter an-

derem das Aufbereiten von Bilddaten durch Entfernen des Bildrauschens sowie die automa-

tische Extraktion bestimmter Objekte in Bildern, die sogenannte Bildsegmentierung, dienen.

Arbeitsgruppe

1

Konvexe Optimierung in der Datenanalyse

Akademien

ab dem 5. Semester und Doktoranden

|

27. August bis 3. September 2017

118