Computer Vision verstehen und anwenden lernen
Ich arbeite seit Jahren mit Bildverarbeitungssystemen. Und ehrlich gesagt – die meisten Leute unterschätzen, wie komplex das Thema wirklich ist. Es geht nicht nur darum, einem Computer beizubringen, Objekte zu erkennen. Es geht um räumliches Verständnis, Mustererkennung in chaotischen Umgebungen und darum, Maschinen beizubringen, Kontext zu verstehen.
Unser Lernprogramm baut darauf auf, dass man die Grundlagen wirklich versteht. Nicht oberflächlich, sondern mit praktischer Anwendung. Wir zeigen, wie neuronale Netze trainiert werden, wie man Datensätze aufbereitet und warum manche Modelle in bestimmten Szenarien versagen.
Das Programm dauert zwischen sechs und zehn Monaten, je nachdem wie intensiv du dich einbringen kannst. Du arbeitest an echten Problemen – von der automatisierten Qualitätskontrolle bis zur Objektverfolgung in Echtzeit.
Was du im Programm lernst
Bildverarbeitung und Feature Extraction
Wir beginnen mit den Basics – wie Bilder digital gespeichert werden, wie man Rauschen filtert und relevante Merkmale extrahiert. Du lernst, mit OpenCV und klassischen Algorithmen zu arbeiten, bevor wir zu Deep Learning übergehen.
Neuronale Netze für visuelle Aufgaben
CNNs, ResNets, YOLO – klingt kompliziert, aber wir bauen das Schritt für Schritt auf. Du trainierst deine eigenen Modelle und verstehst, warum bestimmte Architekturen besser funktionieren als andere.
3D-Rekonstruktion und räumliches Sehen
Stereokameras, Tiefenwahrnehmung, SLAM. Das sind Techniken, die in autonomen Systemen und Robotik zum Einsatz kommen. Du arbeitest mit echten Sensordaten und lernst, wie man 3D-Umgebungen aus 2D-Bildern rekonstruiert.
Echtzeit-Anwendungen und Edge Computing
Modelle müssen oft auf Geräten mit begrenzter Rechenleistung laufen. Wir zeigen, wie man Algorithmen optimiert, damit sie auf embedded Systemen oder mobilen Geräten funktionieren – ohne Verzögerung.
Lerne von Leuten, die das täglich machen
Unsere Dozenten arbeiten in Projekten, wo Computer Vision tatsächlich eingesetzt wird – in der Industrie, Medizintechnik und autonomen Systemen. Sie bringen Erfahrung aus realen Anwendungsfällen mit und können dir zeigen, wo die Stolpersteine liegen.
Ilse Kornmeier
Medizinische Bildanalyse
Britta Seifried
Autonome Systeme
Anneliese Waldschmidt
Deep Learning Architekturen
Waltraud Brehm
Industrielle Qualitätskontrolle