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.

 
 
 
Autoencoder zur Merkmalsbestimmung für die Zeichenerkennung
Typ:

Diplomarbeit

Betreuer:

Dipl.-Ing. Martin Grafmüller

Status:

abgeschlossen

Abgabedatum:

Juni 2012

Hintergrund:
Da auch in der Industrie die Zeichenerkennung immer mehr an Bedeutung gewinnt, steigt das Interesse an so genannten Smart Cameras. Sie ermöglichen es nicht nur Bilder zu erfassen, sondern sie werten diese auch aus. Dazu zählt die Segmentierung der Zeichen, Berechnung von Merkmalen, die Klassifikation und schließlich die Ausgabe des Ergebnisses. Das hat den Vorteil, dass externe Rechnersysteme weitgehend überflüssig werden, was zum einen die Kosten reduziert, aber auch eine Platzersparnis mit sich bringt.
Eine wesentliche Rolle, für die Zeichenerkennung, spielt die Berechnung von Merkmalen oder sogenannten Features, da sie den Berechnungsaufwand für den Klassifikator reduzieren und zudem Störeinflüsse unterdrücken sollen. Als Beispiel wäre hier die Discrete-Cosine-Transform (DCT) zu nennen, die auch sehr erfolgreich in der Bilddatenkompression (JPEG) eingesetzt wird. Dabei sollten die verwendeten Merkmale möglichst robust bzgl. Rauschen sein und zudem kleinere Varianzen im Aussehen der Zeichen ausgleichen. Diese Forderungen an die Merkmale sind wichtig, da sie den Klassifikator "entlasten", d.h. die Klassifikation der Zeichen wird nicht durch diese Veränderungen des Zeichens beeinträchtigt, was die Zuverlässigkeit der Klassifikation erhöht.

Aufgabe:
Um sich einen Überblick über bereits erfolgreich in der Zeichenerkennung eingesetzte Merkmale zu verschaffen, ist zunächst eine gründliche Literaturrecherche erforderlich. Weiterhin können aber auch Merkmale aus anderen Bereichen, z. B. der Gesichtserkennung, interessant sein. Hinzu kommt die Möglichkeit verschiedene Merkmale zu kombinieren oder zu erweitern, damit das gesamte Merkmal die geforderten Eigenschaften erfüllt. Eine andere Idee wäre Merkmalsberechnung und Klassifikation geschickt zu kombinieren, um so ein noch besseres Ergebnis zu erzielen. Ziel der Arbeit ist der Vergleich der Merkmale bezüglich Leistungsfähigkeit und Robustheit in Abhängigkeit von kleineren Varianzen im Aussehen und Rauschen. Die daraus gewonnenen Ergebnisse sind in einer schriftlichen Ausarbeitung festzuhalten und in einem Vortrag, hier am IES, vorzustellen.

Was Sie mitbringen sollten:
  • Freude am selbständigen Arbeiten
  • Programmierkenntnisse in C/C++ oder MATLAB
  • Grundkenntnisse der Bildverarbeitung