Home  | Impressum | Datenschutz | Sitemap | KIT

Mustererkennung

Mustererkennung
Typ: Vorlesung
Semester: Hauptdiplom / Master
Ort:

Geb. 50.34 HS -101

Zeit: Mi 14:00 - 15:30
Beginn: 22.04.2020
Dozent: Prof. Dr.-Ing. Jürgen Beyerer
SWS: 2
ECTS: 3
LVNr.: 24675
Prüfung:

VF 12: Anthropomatik und Kognitive Systeme

Die Mustererkennung ist ein Teilgebiet der Informatik. Sie beschäftigt sich mit der maschinellen Erkennung und Klassifikation von Objekten anhand von Bildern und anderen Signalen. Während das kognitive System des Menschen in der Lage ist, selbst komplexe Muster in gestörten Signalen intuitiv zu erfassen, muss diese Fähigkeit einem maschinellen System erst in einem problemangepassten Verfahren beigebracht werden. Beispiele für die Anwendung von Verfahren der Mustererkennung sind die Spracherkennung, Identifikation durch Biometrie, optische Zeichenerkennung (OCR) sowie die automatische Sichtprüfung.

Bei Fragen wenden Sie sich an Prof. Beyerer oder die betreuenden Mitarbeiter Daniel Stadler (daniel.stadler@kit.edu) und Josephine Rehak (josephine.rehak@kit.edu).

Inhalt der Vorlesung

Mustererkennung arbeitet im Wesentlichen mit vier grundlegenden Konzepten: Klassen, Mustern, Merkmalen und Klassifikatoren. Klassen partitionieren die betrachtete Domäne in Teilmengen äquivalenter Objekte. Muster sind durch Beobachtung oder Messung gewonnene Daten über Objekte. Merkmale dienen zur Beschreibung charakteristischer Eigenschaften von Objekten und Klassen. Sie werden aus den Mustern extrahiert. Klassifikatoren sind Entscheidungsverfahren für die Festlegung der mutmaßlichen Klassenzugehörigkeit von Objekten anhand ihrer Merkmale.

Der erste Teil der Vorlesung behandelt die Auswahl, Gewinnung und Eigenschaften von Merkmalen. Ausführlich wird auf mathematische Methoden eingegangen, die zu geeigneten Merkmale führen. Der zweite Teil der Vorlesung befasst sich mit verschiedenen Klassifikatoren und Klassifikationsmethoden. Schwerpunkte sind die Leistung von Klassifikatoren und die Verarbeitungskette Problemstellung – Muster – Merkmal – Klassifikator. Darüber hinaus werden grundsätzliche Fragestellungen wie: Parameterschätzung, Klassifikation auf der Basis von qualitativen Merkmalen, die Problematik zu hoher Dimension des Merkmalsraumes, Overfitting, Rückweisungskriterien und der Zusammenhang mit der statistischen Lerntheorie behandelt.

Klausur Mustererkennung

Klausuranmeldung

Die Anmeldung zur Klausur erfolgt grundsätzlich online, für Studierende der Informatik ist dies je nach SPO entweder QISPOS oder CAS.

Die Anmeldung für Studierende anderer Fakultäten, welche sich nicht online anmelden können, erfolgt über die jeweilige Fakultät. In diesem Fall muss ein Nachweis der Prüfungsberechtigung (blauer Zettel) bis zum 28.08.2020 in einem Umschlag adressiert and Herrn Daniel Stadler am Empfang des Fraunhofer IOSB abgegeben werden. Bei Rückfragen wenden Sie sich per Mail an: gabriele.gross∂kit.edu und daniel.stadler∂kit.edu

Musterlösungen

Klausurtermin Mustererkennung

Die Klausur findet am Donnerstag, 10.09.2020 - 17:00 bis 19:00 Uhr  im Hörsäle Gerthsen und Gaede statt.

Klausureinsicht: 

Eine Klausureinsicht kann aufgrund des Coronavirus aktuell nicht stattfinden.

Noten zur Klausur Mustererkennung

Noten

 

Aktuelle Hinweise

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. 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

Material zur Vorlesung

Die Vorlesungsfolien werden semesterbegleitend zur Verfügung gestellt. Zum Herunterladen der PDF-Dateien benötigen Sie die Zugangsdaten, die in der Vorlesung genannt werden.
GrößeStand
Kapitel 18.04 MB   24.04.2019
Kapitel 25.50 MB   12.06.2019
0.01 MB   10.01.2011
Kapitel 32.87 MB   12.06.2019
Kapitel 41.18 MB   08.06.2018
Kapitel 51.99 MB   26.06.2019
Kapitel 61.10 MB   26.06.2019
Kapitel 73.72 MB   24.07.2019
Kapitel 81.58 MB   24.07.2019
Kapitel 90.67 MB   24.07.2019

Bewertungen der Vorlesung