Image segmentation is a helpful tool in diagnostic imaging. For instance, a 3D model of an aorta extracted from CT scans allows detection of certain pathological changes like aneurysm and also supports preoperative planning. One of the main problems in the area of image segmentation is the limited scope of a single method: an algorithm which has been well proven with one set of images can fail in other images with modified features, e.g. contrast, noise. Another potential limitation is the necessity for user interaction, e.g. for the initialization of an algorithm or a parameter adjustment. In this bachelor thesis an application for a full automatic segmentation of images of abdominal aorten will be implemented. This implementation is based on active contour modelling and different variants of this approach will be compared. Finally, the goal is to explore the influence of image enhancement and algorithm parameters on the segmentation results and to find a combination of them that allows a robust application for this task. 

Lecture Materials
Lecture Materials

Additional Information

Hallo und Willkommen zur Website von "Einführung in die Informatik II"

Im SoSe 2014 findet Übungen zur Veranstaltung statt. Die Anmeldung zu den Übungsterminen ist über LSF möglich bzw. wird zur Teilnahme vorausgesetzt. Die Anmeldefrist wird erst in der ersten Vorlesung bekanntgegeben. 

Die Prüfung ist eine 1-stündige Klausur, welche als Leistungsnachweis ausgelegt ist, findet am Ende des Semester statt. Der Termin wird hier veröffentlicht.

Sie erhalten alle benötigten Unterlagen unten aufgeführt im Laufe der Veranstaltung.

Sollten Sie Fragen inhaltlicher Natur haben, wenden Sie sich bitte an einen der Übungsleiter. 

Vorlesung und Übung"

Die Kurzeinführung zu Matlab, sowie weitere Unterlagen finden Sie im Kurs "Einführung in die Informatik II".

Hallo und Willkommen zur Website von "Einführung in die Informatik I"

Im Sommersemester 2014 finden Sie hier alle notwendigen Informationen und Unterlagen, die für den Kurs bzw. den zweiten Termin benötigt werden.

Als Unterlagen werden wir bereitstellen:

• Vorlesungsunterlagen in Form von PDF-Dateien
• Übungsblätter und ggf. weiterführende Lektüre (keine Lösungen)

Allgemeines

Bitte beachten Sie, dass es sich bei der Prüfung im SoSe um den zweiten Prüfungstermin handelt. Es wird daher davon ausgegangen, dass Studierende im vergangenen WiSe die Vorlesung und Übung besucht und dort aktiv an den Übungen teilgenommen haben. 

Inhalte Vorlesung

Die Datei MatlabIntro.pdf beinhaltet eine Kurzeinführung in die Programmierumgebung MATLAB.

Inhalte Übungen

When a person is lying, his or her eyes are blinking less often, because the brain works hard to formulate an invented fact about past situations which needs to be logical and connected. After a lie has been said the frequency of eye-blinking decreases although it is still a faster repetition than that of a person who has not told a lie. In addition to the above observation, psychology offers another way to detect behaviour that permits the assumption of a person's lie. The liar avoids direct eye contact with his dialogue partner(s). Depending on how much the liar wants to keep his lie a secret the avoidance can vary from less distinct to total avoidance. The situation in which a lie is said and the content of a lie can be visually detected. We can identify two categories of lying.  The first focuses on  the unimportance of the situation in which the lie is told. The second category concentrates on the lie that is told to the police – an invented fact or story that holds importance for future life. Furthermore we can detect when a person purposefully holds back information, when it is obvious he/she knows more about it. In our research, we propose a computed-based approach to identify the above mention categories of lying, which is the basis of this bachelor thesis.

Nowadays object recognition is a fundamental capability for an autonomous robot in order to interact with the physical world. Taking advance of the new sensing technologies capable of providing RGB-D data, the object recognition capabilities increase dramatically. Object recognition has been well studied, however a problem with object detectors is that they works properly on the data they are trained  but generalize poorly to data from other domains. In this context, a domain may refer to data of a certain type, from a certain source, or generated in a certain period in time. Due this problem with object detectors, a domain adaptation is needed, this domain adaptation aims to build a classifier that is robust to mismatched distributions. Some domain adaptation approaches have been presented but little work has been done on understanding the effects of domain change on RGB-D data. This work aims to investigate approaches for domain adaptation in RGB-D data as well as the study  of the domain change problem, so that a robust classifier cross domain can be achieved. Furthermore, a study of state-of-the-art RGB-D feature extractors / object classifiers will be performed to identify which combinations remain least affected by the domain change problem. 

Lecture Materials
Lecture Materials

Additional Information

Lecture Materials

Lecture Materials

Additional Information

Hallo und Willkommen zur Website von "Einführung in die Informatik II"

Im SoSe 2014 findet Übungen zur Veranstaltung statt. Die Anmeldung zu den Übungsterminen ist über LSF möglich bzw. wird zur Teilnahme vorausgesetzt. Die Anmeldefrist wird erst in der ersten Vorlesung bekanntgegeben. 

Die Prüfung ist eine 1-stündige Klausur, welche als Leistungsnachweis ausgelegt ist, findet am Ende des Semester statt. Der Termin wird hier veröffentlicht.

Sie erhalten alle benötigten Unterlagen unten aufgeführt im Laufe der Veranstaltung.

Sollten Sie Fragen inhaltlicher Natur haben, wenden Sie sich bitte an einen der Übungsleiter. 

Vorlesung und Übung"

Die Kurzeinführung zu Matlab, sowie weitere Unterlagen finden Sie im Kurs "Einführung in die Informatik II".

Hallo und Willkommen zur Website von "Einführung in die Informatik I"

Im Wintersemester 2013/14 finden Sie hier alle notwendigen Informationen und Unterlagen, die für den Kurs benötigt werden.
Als Unterlagen werden wir bereitstellen:

• Vorlesungsunterlagen in Form von PDF-Dateien
• Übungsblätter und ggf. weiterführende Lektüre
• Gruppeneinteilungen der Übungen
• Bekanntgabe der Noten usw.

Die Unterlagen werden im Laufe der Vorlesung und Übung aktualisiert, so dass zu Beginn der Veranstaltung nicht alle Unterlagen zum Download bereitstehen.  

Allgemeines

Am Ende der Vorlesung findet eine 1-stündige schriftliche Prüfung zum Bestehen des Kurses statt. Relevant sind dabei alle Vorlesungsunterlagen und die in den Übungen besprochenen Übungsblätter.

Es wird in diesem Jahr keine Probeklausur vor der eigentlichen Prüfung geben.

Fragen bzgl. der Übungen, Vorlesungen, Terminen etc. richten Sie bitte zunächst an die Übungsleiter. Fragen bzgl. der Vorlesung besprechen Sie direkt mit Prof. Grzegorzek.

In der Vorlesung wird primär mit MATLAB gearbeitet, daher empfiehlt es sich dies zur Übung auf dem eigenen Rechner zu installieren. Obwohl in den Übungsräumen (PC-Pool) Lizenzen vorhanden sind, ist das mitbringen eines eigenen Notebooks/Laptops usw. gern gesehen, da die Plätze an den Rechnern teils knapp sind.

Inhalte Vorlesung

Die Datei MatlabIntro.pdf beinhaltet eine Kurzeinführung in die Programmierumgebung MATLAB.