Medienverarbeitung at Technische Hochschule Nürnberg

Flashcards and summaries for Medienverarbeitung at the Technische Hochschule Nürnberg

Arrow Arrow

It’s completely free

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Study with flashcards and summaries for the course Medienverarbeitung at the Technische Hochschule Nürnberg

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Warum braucht man zum Training von GMMs ein unüberwachtes Lernverfahren?

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Beschreiben Sie die Grundidee der Support Vector Machine (SVM)


Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Neben den linearen Filtern haben wir ein weiteres Verfahren kennengelernt, mit dem sich u.a. eine Hochpass- oder Tiefpassfilterung eines Bildes realisieren lässt. Dieses Verfahren ist in vielen Fällen effizienter als die Anwendung linearer Filter. Erläutern Sie seine wesentlichen Schritte!

This was only a preview of our StudySmarter flashcards.
Flascard Icon Flascard Icon

Millions of flashcards created by students

Flascard Icon Flascard Icon

Create your own flashcards as quick as possible

Flascard Icon Flascard Icon

Learning-Assistant with spaced repetition algorithm

Sign up for free!

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Was ist der Unterschied zwischen überwachten und unüberwachten Lernverfahren?

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Wie lassen sich Haar-like Features sehr effizient berechnen?

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Was bedeutet Heuristik in der Informatik?

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Was sind die wesentlichen Schritte des k-Means-Algorithmuses?

This was only a preview of our StudySmarter flashcards.
Flascard Icon Flascard Icon

Millions of flashcards created by students

Flascard Icon Flascard Icon

Create your own flashcards as quick as possible

Flascard Icon Flascard Icon

Learning-Assistant with spaced repetition algorithm

Sign up for free!

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Für was wir der Sobel-Operator eingesetzt?

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Wie vermeidet der Viola-Jones-Algorithmus, dass für jeden betrachteten Bildausschnitt alle relevanten Merkmale berechnet werden müssen?

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

3 mathematische Kriterien für optimale Kantenextraktion

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Das Facebook-Gesichterkennungssystem “DeepFace” wurde mit 4,4 Mio Bilder von 4030 vers. Personen trainiert, denen jeweils ein Ausgabeknoten zugeordnet war. Erläutern Sie wie es möglich ist, mit dem so trainierten Neuronalen Netz auch Personen zu erkennen, die nicht in den Trainingsdaten enthalten waren, also zb Personen nach denen anhand eines einzelnen Fotos gefahndet wird.

This was only a preview of our StudySmarter flashcards.
Flascard Icon Flascard Icon

Millions of flashcards created by students

Flascard Icon Flascard Icon

Create your own flashcards as quick as possible

Flascard Icon Flascard Icon

Learning-Assistant with spaced repetition algorithm

Sign up for free!

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Wie errechnen sich Precision, Recall und Specifity dieses Klassifikationsverfahrens?

Your peers in the course Medienverarbeitung at the Technische Hochschule Nürnberg create and share summaries, flashcards, study plans and other learning materials with the intelligent StudySmarter learning app.

Get started now!

Flashcard Flashcard

Exemplary flashcards for Medienverarbeitung at the Technische Hochschule Nürnberg on StudySmarter:

Medienverarbeitung

Warum braucht man zum Training von GMMs ein unüberwachtes Lernverfahren?

Problem bei der Schätzung der Parameter eines GMM: die Zuordnung eines Merkmalvektors x zu einer der M Dichten ist nicht bekannt --> Lernverfahren


Medienverarbeitung

Beschreiben Sie die Grundidee der Support Vector Machine (SVM)


- bestimmt breitestmögliche gerade "Straße" zwischen Klassengebieten

- "Mittelstreifen" --> Klassengrenze

- Vektoren am Mittelstreifen --> Support Vectors

- verteilungsfreie Klassifikation

Medienverarbeitung

Neben den linearen Filtern haben wir ein weiteres Verfahren kennengelernt, mit dem sich u.a. eine Hochpass- oder Tiefpassfilterung eines Bildes realisieren lässt. Dieses Verfahren ist in vielen Fällen effizienter als die Anwendung linearer Filter. Erläutern Sie seine wesentlichen Schritte!

Rangordnungsfilter

  • Sortiert die Pixel einer definierten Umgebung (zb 3x3) aufsteigend nach ihrem Grauwert
  • Ersetzt den Grauwert des aktuellen Pixels (in der Mitte der Umgebung) durch den Wert an einer definierten Position in der Liste der Grauwerte
    1. Minimumfilter: 1. Position der Liste (dunkle Strukturen werden größer)
    2. Medianfilter: mittlere Position der Liste
    3. Maximumfilter: letzte Position der Liste (hellere Strukturen werden größer)
  • Medianfilter kann zb Kantengättung und einzelne fehlerhafte Pixel in Flächen korrigieren


Medienverarbeitung

Was ist der Unterschied zwischen überwachten und unüberwachten Lernverfahren?

- überwacht = zu jedem Merkmalsvektor in meinen Trainingsdaten weiß ich zu welcher Klasse er gehört (muss manuell erledigt werden)

- unüberwacht = Lernen aus Stichproben, wenn Merkmale nicht normalverteilt sind

Medienverarbeitung

Wie lassen sich Haar-like Features sehr effizient berechnen?

durch ihr Integralbild + Viola-Jones-Algorithmus

Medienverarbeitung

Was bedeutet Heuristik in der Informatik?

Vorgehensweise, bei der man versucht Probleme mit mithilfe von Schätzungen, "Faustregeln" und intuitiv-intelligentem Raten zu lösen

Medienverarbeitung

Was sind die wesentlichen Schritte des k-Means-Algorithmuses?

1. Initialisierung: (zufällige) Auswahl von k Clusterzentren, zb durch zufällige Auswahl von k Eingabevektoren als Clusterzentren

2. Zuordnung: jedem Eingabevektor wird dem ihm am nächsten liegenden Clusterzentrum zugeordnet (Abstandmaß: zb Euklidischer Abstand)

3. Neuberechnung: Es werden für jeden Cluster die Clusterzentren durch Schwerpunkbildung neu berechnet

4. Wiederholung: Falls sich nun die Zuordnung der Objekte ändern, weiter mit Schritt 2., sonst Abbruch

Medienverarbeitung

Für was wir der Sobel-Operator eingesetzt?

Kantendetektion

Medienverarbeitung

Wie vermeidet der Viola-Jones-Algorithmus, dass für jeden betrachteten Bildausschnitt alle relevanten Merkmale berechnet werden müssen?

- ermöglicht durch die Kaskade von Klassifikatoren

- volle Zahl von Merkmalen muss nur dann berechnet werden, wenn mit hoher Wahrscheinlichkeit ein Treffer vorliegt

Medienverarbeitung

3 mathematische Kriterien für optimale Kantenextraktion

- Erkennung: alle tatsächlichen Kanten sollen gefunden werden, aber keine falschen 

- Lokalisierung: Abstand zwischen tatsächlicher & erkannter Kante soll minimal sein 

- Ansprechverhalten: Kanten sollen nicht mehrfach erkennt werden (ihre Breite soll nicht mehr als einen Pixel betragen)

Medienverarbeitung

Das Facebook-Gesichterkennungssystem “DeepFace” wurde mit 4,4 Mio Bilder von 4030 vers. Personen trainiert, denen jeweils ein Ausgabeknoten zugeordnet war. Erläutern Sie wie es möglich ist, mit dem so trainierten Neuronalen Netz auch Personen zu erkennen, die nicht in den Trainingsdaten enthalten waren, also zb Personen nach denen anhand eines einzelnen Fotos gefahndet wird.

- Letzte Schicht entfernen 

- Die 4096 Aktivierungen der vorletzten Schichten als Merkmalvektor verwenden 

- Klassifikation auf Basis des Abstandes der Merkmalvektoren (nächste Nachbar) 

Medienverarbeitung

Wie errechnen sich Precision, Recall und Specifity dieses Klassifikationsverfahrens?

Precision = TP / (TP + FP)

Recall = TP / (TP + FN)

Specifity = TN / (FP + TN)

Sign up for free to see all flashcards and summaries for Medienverarbeitung at the Technische Hochschule Nürnberg

Singup Image Singup Image
Wave

Other courses from your degree program

For your degree program Medienverarbeitung at the Technische Hochschule Nürnberg there are already many courses on StudySmarter, waiting for you to join them. Get access to flashcards, summaries, and much more.

Back to Technische Hochschule Nürnberg overview page

Algorithmen und Datenstrukturen

Systemarchitektur Multimedia

interaktionsdesign

Computergrafik

Softwareengineering

Usability Engineering

Einführung in die Logik

Medienpsychologie

Datenverarbeitung at

SRH Hochschule Heidelberg

Datenverarbeitung at

Hochschule Ravensburg-Weingarten

Bildverarbeitung at

Hochschule Hamm-Lippstadt

Bildverarbeitung at

Hochschule Hamm-Lippstadt

Bildverarbeitung at

Hochschule Ostwestfalen-Lippe

Similar courses from other universities

Check out courses similar to Medienverarbeitung at other universities

Back to Technische Hochschule Nürnberg overview page

What is StudySmarter?

What is StudySmarter?

StudySmarter is an intelligent learning tool for students. With StudySmarter you can easily and efficiently create flashcards, summaries, mind maps, study plans and more. Create your own flashcards e.g. for Medienverarbeitung at the Technische Hochschule Nürnberg or access thousands of learning materials created by your fellow students. Whether at your own university or at other universities. Hundreds of thousands of students use StudySmarter to efficiently prepare for their exams. Available on the Web, Android & iOS. It’s completely free.

Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards
Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards
X

StudySmarter - The study app for students

StudySmarter

4.5 Stars 1100 Rating
Start now!
X

Good grades at university? No problem with StudySmarter!

89% of StudySmarter users achieve better grades at university.

50 Mio Flashcards & Summaries
Create your own content with Smart Tools
Individual Learning-Plan

Learn with over 1 million users on StudySmarter.

Already registered? Just go to Login