Bitte wählen Sie den gewünschten Projektzeitraum:
- Juli 2026
- Januar 2026
- Juli 2025
- Januar 2025
- Juli 2024
- Januar 2024
- Juli 2023
- Januar 2023
- Juli 2022
- Januar 2022
- Juli 2021
- Januar 2021
- Juli 2020
- Januar 2020
- Juli 2019
- Januar 2019
- Juli 2018
- Januar 2018
- Juli 2017
- Januar 2017
- Juli 2016
- Januar 2016
- Juli 2015
- Januar 2015
- Juli 2014
- Januar 2014
- Juli 2013
- Januar 2013
- Juli 2012
- Januar 2012
- Juli 2011
- Januar 2011
- Juli 2010
- Januar 2010
- Juli 2009
- Januar 2009
- Juli 2008
- Januar 2008
- Juli 2007
- Januar 2007
- Juli 2006
- Januar 2006
- Juli 2005
- Januar 2005
- Juli 2004
- Januar 2004
- Juli 2003
- Januar 2003
- Juli 2002
- Januar 2002
- Juli 2001
- Januar 2001
Förderbeginn 01.07.2016
Erkennen von Handlungen in Videos durch internetgestütztes Lernen
Prof. Dr. Nassir Navab
Technische Universität München
Lehrstuhl für Informatik 16 - Informatikanwendungen in der Medizin
Prof. Dr. Silvio Savarese
Stanford University
Department of Computer Science
Weltweit existieren etwa 3.5 Billionen Fotos. Allein auf Facebook werden monatlich 6 Milliarden Fotos hochgeladen. Jede Minute erscheinen 72 Stunden an neuen Videos auf YouTube. Nach einer Schätzung von Cisco wird der Anteil an visuellen Daten (Bilder und Videos) des Internetverkehrs auf 85% ansteigen. Trotzdem fehlen uns momentan noch effiziente Algorithmen um große Bild- oder Videodatenmengen verarbeiten und analysieren zu können. Die zentrale Idee dieser Zusammenarbeit ist es die Daten die bereits im Internet zu finden sind zu nutzen um manuelle Annotationen zu vermeiden, da diese oft sehr kostspielig sind. Dafür werden wir ein tiefes, neuronales Netz anfangs von Bildern von einer Suchmaschine (z.B. Google) trainieren, das dann inkrementell auf Videos ausgeweitet wird. Wir versprechen uns dadurch gute Ergebnisse ohne tausende Videos von Hand für das Training beschreiben zu müssen.