Proseminar Aufgabenstellungen der Bildanalyse und Mustererkennung

Sommersemester 2016

Das Proseminar befasst sich in diesem Semester mit 3d Scene Reconstruction and Image Matching.
Welche Ideen gibt es dazu? Wie ist der mathematische / algorithmische Hintergrund?

Kontakt

TUD-email Holger.Heidrich, Raum 2039

Termin

Donnerstag, 3. DS, 11:10-12:40 Uhr, APB 2026, Beginn: 07.April 2016
Bei zu geringer Beteiligung wird das Proseminar mit dem Hauptseminar Bildanalyse zusammengelegt.

Einschreibung:

Einschreibung mit Themenwahl über TUD-email Holger.Heidrich. max. 24 Teilnehmer
Terminvergabe/-absprache zum ersten Seminar am 07.04.2016 entsprechend der Einschreibreihenfolge.

Erforderliche Leistung für den Schein:

  • Beteiligung an der Diskussion
  • Vortrag 30 min + 15 min Diskussion, Präsentation mindestens drei Tage vorher per email abgeben
  • Ausarbeitung min. 6 Seiten bis 4 Wochen nach dem Vortrag, im Stil einer wissenschaftlichen Veröffentlichung, enthält eigene Darstellung / Gedanken zum Thema und Fragen / Probleme der Diskussion - keine Kopie der Literatur oder Folien
  • Wichtung: Vortrag 60%, Ausarbeitung 20%, Teilnahme/Diskussion 20%
Die genannte Literatur dient als Ausgangspunkt; weitere/aktuelle Literatur finden Sie unter den angegebenen Links.
Allgemeine Hinweise zu Recherche Links, Zitaten und Vortragsgestaltung

Themenangebot:

Wählen Sie ein Thema aus der genannten Literatur 1-13.
    Intro to stereo methods
  1. Advances in computational stereo, Brown, M.Z., Burschka, D., Hager, G.D., PAMI 2003, PDF
    (für zwei Vorträge)
    2. Stereo Vision - Problems and Methods
  2. The naked truth about cost functions for stereo matching Hermann, S., Klette, R., 2009, PDF
  3. A Precise Real-time Stereo Algorithm, Drazic, V., Sabater, N., 2012, PDF, Bearbeiter: Martin Thümmler, Termin: 09.06.2016
  4. Stereo Matching with Implicit Detection of Occlusions, Trapp, R.; Drüe, S.; Hartmann, G., 1998, URL, PDF
    5. Features - lines, texture, region statistics
  5. Edge Based Probabilistic Relaxation for Sub-pixel Contour Extraction, Toshiro Kubota, Terrance L. Huntsberger, and Jeffrey T. Martin. 2001. EMMCVPR '01, UK, 328-343. http://dx.doi.org/10.1007/3-540-44745-8_22
  6. SHREC 2011: robust feature detection and description benchmark Boyer, E.; Bronstein, A. M.; Bronstein, M. M.; Bustos, B.; Darom, T.; Horaud, R.; Hotz, I.; Kelle, Y.; Keustermans, J.; Kovnatsky, A.; Litman, R.; Reininghaus, J.; Sipiran, I.; Smeets, D.; Suetens, P.; Vandermeulen, D.; Zaharescu, A.; Zobel, V Proc. Eurographics 2011 Workshop on 3D Object Retrieval (3DOR'11), 2011 [PDF]
  7. Adaptive and Generic Corner Detection Based on the Accelerated Segment Test, Mair, E., Hager, G.D., Burschka, D., Suppa, M., Hirzinger, G., 2010, PDF, Bearbeiter: Erik Rettig, Termin: 23.06.2016
    8. Shape recognition
  8. Dynamic Time Warping of Cyclic Strings for Shape Matching, Marzal, Andrés, Palazón, Vicente, 2005/01/01, http://dx.doi.org/10.1007/11552499_71 H. Bunke, U Bühler, Applications of approximate string matching to 2D shape recognition, Pattern Recognition, Volume 26, Issue 12, December 1993, Pages 1797-1812, DOI
  9. Fast matching of planar shapes in sub-cubic runtime F. R. Schmidt, D. Farin, and D. Cremers, In IEEE Int. Conf. On Computer Vision, Rio de Janeiro, October 2007, PDF, Bearbeiter: Hung Tran Duc, Termin: 16.06.2016
    10. General
  10. Learning Convolutional Feature Hierachies for Visual Recognition, Koray Kavukcuoglu, Pierre Sermanet, Y-Lan Boureau, Karol Gregor, Michael Mathieu and Yann LeCun, Advances in Neural Information Processing Systems (NIPS 2010), 23, 2010, PDF
  11. Automatic recognition of biological particles in microscopic images, M. Ranzato, P.E. Taylor, J.M. House, R.C. Flagan, Y. LeCun and P. Perona, Pattern Recognition Letters, 28(1):31-39, January 2007, PDF, Bearbeiterin: Sandra Waske, Termin: 23.06.2016
  12. Comparison of learning algorithms for handwritten digit recognition, Y. LeCun, L. D. Jackel, L. Bottou, A. Brunot, C. Cortes, J. S. Denker, H. Drucker, I. Guyon, U. A. Muller, E. Sackinger, P. Simard and V. Vapnik, in Fogelman, F. and Gallinari, P. (Eds), International Conference on Artificial Neural Networks, 53-60, EC2 & Cie, Paris, 1995, PDF,
    Bearbeiter: Philipp Plotz, Termin: 16.06.2016
    13. Scene understanding
  13. Towards Holistic Scene Understanding: Feedback Enabled Cascaded Classification Models, Congcong Li, Adarsh Kowdle, Ashutosh Saxena, Tsuhan Chen. IEEE Trans Pattern Analysis and Machine Intelligence (PAMI), July 2012. [PDF]
THEMA TERMIN VORTRAGENDE, VORTRAGENDER
Einführung 07.04.2016 Holger Heidrich
A Precise Real-time Stereo Algorithm 09.06.2016 Martin Thümmler
Fast matching of planar shapes in sub-cubic runtime 16.06.2016 Hung Tran Duc
Comparison of learning algorithms for handwritten digit recognition 16.06.2016 Philipp Plotz
Adaptive and Generic Corner Detection Based on the Accelerated Segment Test 23.06.2016 Erik Rettig
Automatic recognition of biological particles in microscopic images 23.06.2016 Sandra Waske