Home | english  | Impressum | Datenschutz | Sitemap | KIT

Kontakt
Karlsruher Institut für Technologie
Lehrstuhl für Interaktive Echtzeitsysteme

Prof. Dr.- Ing. Jürgen Beyerer
c/o Technologiefabrik
Haid-und-Neu-Str. 7
76131 Karlsruhe

Tel:  +49 721 - 608 45910

Willkommen am Lehrstuhl für Interaktive Echtzeitsysteme

IES

Prof. Dr.-Ing. J. Beyerer

Aktuell

** Prüfungsankündigung Mustererkennung

Bitte finden Sie die Informationen und Sonderregelungen auf der Vorlesungsseite.

 

Neue Vorlesung: Optimierungsverfahren für Maschinelles Lernen und Ingenieurwissenschaften

Die Vorlesung wird im Wintersemester 2020/21 beginnen. Weitere Info finden Sie im Modulhandbuch.

 

** Klausur Automatische Sichtprüfung und Bildverarbeitung

  • Ort: Audimax
  • Termine: 15. September 2020, 08:00 - 10:00 Uhr
  • Bitte mitbringen: Studierendenausweis, Personalausweis, Alltagsmaske. Es herrscht Maskenpflicht von vor Betreten des Raumes bis zum zugeteilten Platz und vom Verlassen des Platzes bis zum Verlassen des Raumes. Während dem Schreiben der Klausur darf die Maske abgenommen werden.

 

** Klausur Mensch-Maschine-Wechselwirkung

  • Ort: Gerthsen-Hörsaal
  • Termine: 29. Juli 2020, 08:00 - 09:30 Uhr
  • Für die Studierende mit Schreibverlängerung:
    • Ort: Otto-Lehmann-Hörsaal
    • Termine: 29. Juli 2020, 08:00 – 10:30 Uhr
  • Bitte mitbringen: Studierendenausweis, Personalausweis, Alltagsmaske. Es herrscht Maskenpflicht von vor Betreten des Raumes bis zum zugeteilten Platz und vom Verlassen des Platzes bis zum Verlassen des Raumes. Während dem Schreiben der Klausur darf die Maske abgenommen werden.
  • Alle Studierenden, die die Klausur in Mensch-Maschine-Wechselwirkung: Basiswissen schreiben möchten, müssen in den Gerthsen-Hörsaal kommen.
    Eine Studierende mit Schreibverlängerungsgenehmigung wird nach der Begrüßung und der Beantwortung eventueller Fragen in den Otto-Lehmann-Hörsaal begleitet werden.
    Daher die zwei Raumangaben.

 

** Vorlesung Mustererkennung

Der Termin für die zusätzliche virtuelle Sprechstunde mit Prof. Beyerer wurde auf Donnerstag, den 23.07.2020, um 17.00 Uhr verschoben. Eine Beschreibung, wie Sie der virtuellen Sprechstunde beitreten können, finden Sie im ILIAS-Kurs zur Vorlesung.

Sehr geehrte Studierende,

da die Vorlesung Mustererkennung nicht in gewohnter Weise stattfinden kann, haben wir die Aufnahmen der Vorlesung der zurückliegenden Jahre für Sie bereitgestellt. Opencast Informatik KIT - Mustererkennung . Die Folien im pdf-Format finden Sie unter Vorlesung Mustererkennung.

Bis die Vorlesung wieder im Hörsaal stattfinden kann, sollten Sie im Wochenrhythmus die Mitschnitte der einzelnen Vorlesungstermine anschauen/anhören und dann nochmals die Folien gründlich durchschauen, ob Sie auch alles verstanden haben.

Um Verständnisfragen zu klären, werden im zweiwöchigen Rhythmus virtuelle Sprechstunden über Zoom stattfinden. Der erste Termin ist Mittwoch, der 06.05.2020, um 14.00 – 15.30 Uhr. Eine Beschreibung, wie Sie der virtuellen Sprechstunde beitreten können, finden Sie im ILIAS-Kurs zur Vorlesung.

Bitte schauen Sie auch immer wieder nach Neuigkeiten zur Vorlesung Mustererkennung auf dieser Seite.

Probabilistiche Planung

Bitte beachten Sie, dass die Vorlesung Probabilistische Planung nicht länger angeboten wird. Die Unterlagen zur letzten Vorlesungsreihe finden sie hier.

Neue Adresse

Der Lehrstuhl ist an einen neuen Standort in der Technologiefabrik umgezogen.

Lehrbuch zur Mustererkennung

Am 11. Dezember 2017 erschien das Lehrbuch "Beyerer, Richter, Nagel: Pattern Recognition: Introduction, Features, Classifiers and Principles". Weitere Information finden Sie auf der Seite des De Gruyter Verlags.

Vorlesungsangebot
Das Vorlesungsangebot des Lehrstuhls finden Sie hier.

Lehrbuch zur Automatischen Sichtprüfung
Am 30. September 2012 erschien das Lehrbuch "Beyerer, Puente León, Frese: Automatische Sichtprüfung, Grundlagen, Methoden und Praxis der Bildgewinnung und Bildauswertung". Weitere Information finden Sie auf der Lehrbuch-Seite oder auf der Seite vom Springer-Verlag.

Karlsruher Zentrum für Materialsignaturen
Der Lehrstuhl für Interaktive Echtzeitsysteme hat sich mit anderen Instituten des KIT und dem Fraunhofer IOSB zum Karlsruher Zentrum für Materialsignaturen KCM zusammengeschlossen. Weitere Informationen finden Sie auf der Seite des KCM.

Bachelor-, Master-, Studien- und Diplomarbeiten zu vergeben: Weitere Informationen finden Sie hier.

 
 
 
GAN-based Abnormal Event Detection
Typ:

Masterarbeit

Links:
Betreuer:

M.Sc. Thomas Golda

Status:

zu vergeben

Möglicher Beginn:

ab sofort

GAN-based Abnormal Event Detection

Das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB ist eines der größten Institute für angewandte Forschung auf dem Gebiet der Bildgewinnung und Bildauswertung in Europa. Die Abteilung Videoauswertesysteme (VID) beschäftigt sich mit der automatischen Auswertung von Signalen bewegter bildgebender Sensorik in komplexen, ggf. nichtkooperativen Szenarien. Diese Sensorik wird beispielsweise im Aufklärungs- und Überwachungsbereich als integrierte Komponente in fliegenden, weltraumgestützten oder mobilen landgestützten Plattformen verwendet. VID entwickelt und integriert hierfür Bildauswertealgorithmen für autonome oder interaktive Systeme.

Beschreibung
Großveranstaltungen stellen stets ein hohes Sicherheitsrisiko für Besucher und Unbeteiligte dar. Aus diesem Grund sind Sicherheitskräfte und Polizei darauf angewiesen die Veranstaltung sowohl durch Bodenpersonal, als auch über ideokameras im Blick zu behalten. Die große Menge an Videodaten die dabei anfällt, stellt die Einsatzkräfte jedoch vor extrem große Herausforderungen. Deshalb werden Systeme benötigt, die das Personal dabei unterstützen frühzeitig Risiken zu identifizieren, indem abnormales Verhalten von Personen in aufgezeichneten den Videoströmen erkannt wird.

Aufgabenstellung
Im Rahmen der Masterarbeit soll die Literatur zu GAN-basierten Verfahren für das Erkennen abnormaler Situationen erarbeitet werden. Weiterhin soll auf Basis der Ergebnisse der Recherche, sowie des nachfolgenden Papers ein eigenes Verfahren entwickelt bzw. erweitert werden, welches es ermöglicht abnormale Situationen zu erkennen.

Beispielpaper: https://arxiv.org/pdf/1708.09644.pdf

Voraussetzungen

  • Studienfach: Informatik, Mathematik, Elektrotechnik, Angewandte Physik oder vergleichbar
  • Gutes Verständnis für die (theoretischen) Grundlagen von Deep Learning
  • Gute Programmierkenntnisse (idealerweise Python)
  • Erfahrung mit den Deep Learning Frameworks Tensorflow bzw. Keras vorteilhaft
  • Fähigkeit zum selbstständigen Arbeiten
  • Bereitschaft, sich in neue Themengebiete einzuarbeiten und Freude am Einbringen eigener Ideen

Kontakt
Thomas Golda, M. Sc.
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung
Fraunhoferstraße 1, 76131 Karlsruhe
Tel.: 0721 / 6091-631
thomas.golda@iosb.fraunhofer.de