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

 

Klausur Automatische Sichtprüfung und Bildverarbeitung

Eine Klausureinsicht kann aufgrund des Coronavirus aktuell nicht stattfinden.

Klausur Mensch-Maschine-Wechselwirkung

Achtung: Die zunächst auf den 16. April 2020 verlegte Prüfung kann wegen der vorläufigen Aussetzung des Studienbetriebs am KIT an dem genannten Termin leider nicht stattfinden. Ein Ersatztermin kann in der momentan unsicheren Lage noch nicht verlässlich geplant werden. Falls Sie sich bereits zur Prüfung angemeldet haben, werden Sie per E-Mail informiert werden, sobald ein Ersatztermin in Aussicht steht. Sollten Sie sich noch nicht angemeldet, aber Interesse an der Prüfung haben, schreiben Sie bitte ein E-Mail an mmwab@iosb.fraunhofer.de. Der bisherige Nachholtermin 29. Juli bleibt bis auf Weiteres bestehen.

  • Schriftlich: Prüfungsdauer 60 Minuten, Gesamtdauer 90 Minuten
  • Ort: Gaede-Hoersaal
  • Termine:
    • 16. April 2020, 11 Uhr entfällt; Ersatztermin wird bekanntgegeben, sobald er geplant werden kann 
    • 29. Juli 2020, 11 Uhr (Nachholtermin, Anmeldung über Campus-Management bis 22. Juli)

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.

 
 
Klassifikation von Zeichen unter Berücksichtigung einer Rückweisungsklasse
Typ:

Studienarbeit

Betreuer:

Dipl.-Ing. Martin Grafmüller

Status:

abgeschlossen

Abgabedatum:

Juli 2011

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.
Die Klassifikation von Zeichen an sich ist keine große Schwierigkeit mehr, da viele Klassifikatoren in diesem Feld der Mustererkennung bereits untersucht wurden. Eine große Herausforderung stellt allerdings die Klassifikation von Zeichen mit zusätzlicher Berücksichtigung einer Rückweisungsklasse dar. In der Rückweisungsklasse sollten alle Arten von Symbolen enthalten sein, die nicht in der Klasse der Zeichen enthalten sind. Dies ermöglicht nicht nur die Klassifikation der Zeichen, sondern auch eine Aussage darüber ob es sich um ein Zeichen handelt oder nicht.

Aufgabe:
Bei dieser Arbeit steht nicht die Wahl des Klassifikators im Vordergrund, sondern mögliche Verfahren zum Berücksichtigen von Rückweisungsklassen bei der Klassifikation. Hier liegt das Problem in der unendlichen Anzahl an Rückweisungsstichproben, die man für das erfolgreiche Training des Klassifikators haben müsste. Zu diesem Problem ist zunächst eine fundierte Literaturrecherche durchzuführen, um über den Stand der Dinge einen Überblick zu bekommen. Zudem sollen dadurch Ideen über eine mögliche Herangehensweise gesammelt werden. Die aussichtsreichsten Verfahren sollten implementiert und anschließend evaluiert werden. Die daraus gewonnenen Ergebnisse sind in einer schriftlichen Ausarbeitung festzuhalten und in einem Vortrag, hier am IES, vorzustellen.

Was Sie mitbringen sollten:
  • Grundkenntnisse Mustererkennung und Maschinenlernen
  • Freude am selbständigen Arbeiten
  • Programmierkenntnisse in C/C++ oder MATLAB