Willkommen auf der Website Erste Grundlagen der Computer Vision - https://fpcv.cs.columbia.edu/about. Diese Website dient als ergänzende Ressource für diese Spezialisierung. Hier finden Sie zusätzliche Informationen über das Dozententeam, die laufende Forschung und die akademischen Ressourcen für diese Spezialisierung. Was Sie erforschen können: ● Über: Erfahren Sie mehr über den Lehrkörper und die Mitarbeiter, die hinter der Spezialisierung stehen. ● Forschung: Das Columbia Imaging and Vision Laboratory (CAVE) an der Columbia University widmet sich der Entwicklung fortschrittlicher Bildverarbeitungssysteme. ● Monographien und Vorlesungen: Werfen Sie vorab einen Blick in die Vorlesungsunterlagen.
Spezialisierung für Erste Grundlagen der Computer Vision
Entdecken Sie neue Fähigkeiten mit 30% Rabatt auf Kurse von Branchenexperten. Jetzt sparen.
Spezialisierung für Erste Grundlagen der Computer Vision
Beherrschen Sie die ersten Prinzipien der Computer Vision. Weiterentwicklung der mathematischen und physikalischen Algorithmen, die das Computer Vision System unterstützen
Dozent: Shree Nayar
10.516 bereits angemeldet
Bei 
enthalten
Befassen Sie sich eingehend mit einem Thema
4.8
(204 Bewertungen)
Stufe Anfänger
Empfohlene Erfahrung
7 Monate bei 10 Stunden pro Woche
Flexibler Zeitplan
Verdienen Sie sich einen beruflichen Leistungsnachweis
Teilen Sie Ihr Fachwissen mit Arbeitgebern
Befassen Sie sich eingehend mit einem Thema
4.8
(204 Bewertungen)
Stufe Anfänger
Empfohlene Erfahrung
7 Monate bei 10 Stunden pro Woche
Flexibler Zeitplan
Verdienen Sie sich einen beruflichen Leistungsnachweis
Teilen Sie Ihr Fachwissen mit Arbeitgebern
Was Sie lernen werden
Beherrschen Sie die Funktionsweise einer Digitalkamera und lernen Sie die Grundlagen der Bildverarbeitung
Erstellen Sie eine Theorie der Merkmalserkennung und entwickeln Sie Algorithmen zur Extraktion von Merkmalen aus Bildern
Erforschen Sie neue Methoden zur Verwendung visueller Hinweise (Schattierung, Unschärfe usw.), um die 3D-Form eines Objekts aus mehreren Bildern oder Blickwinkeln wiederherzustellen
Machen Sie sich mit grundlegenden Wahrnehmungsaufgaben wie Bildsegmentierung, Objektverfolgung und Objekterkennung vertraut
Überblick
Kompetenzen, die Sie erwerben
- Dimensionality Reduction
- Artificial Neural Networks
- Virtual Reality
- Image Analysis
- Algorithms
- 3D Modeling
- Computer Graphics
- Mathematical Modeling
- Automation Engineering
- Image Quality
- Medical Imaging
- Electronic Components
- Photography
- Unsupervised Learning
- Machine Learning Algorithms
- Estimation
- Graph Theory
- Computer Vision
- Visualization (Computer Graphics)
- Color Theory
Was ist inbegriffen?
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Unterrichtet in Englisch
143 Praxisübungen
Erweitern Sie Ihre Fachkenntnisse.
- Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
- Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
- Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
- Erwerben Sie ein Karrierezertifikat von Columbia University.
Spezialisierung - 5 Kursreihen
Was Sie lernen werden
Lernen Sie, wie eine Kamera funktioniert und wie ein Bild mithilfe eines Objektivs erzeugt wird
Verstehen, wie ein Bildsensor funktioniert und welche Eigenschaften er hat
Entwerfen Sie Kameras, die einen hohen Dynamikbereich und einen weiten Bildwinkel erfassen
Lernen Sie, binäre Bilder zu erstellen und damit ein einfaches Objekterkennungssystem aufzubauen
Kompetenzen, die Sie erwerben
Kategorie: Bildanalyse
Kategorie: Angewandte Mathematik
Kategorie: Fortgeschrittene Mathematik
Kategorie: Elektronische Komponenten
Kategorie: Computergrafik
Kategorie: Bildqualität
Kategorie: Algorithmen
Kategorie: Visualisierung (Computergrafik)
Kategorie: Fotografie
Kategorie: Farbtheorie
Kategorie: Computervision
Kategorie: Halbleiter
Was Sie lernen werden
Lernen Sie, wie Sie Kanten und Ecken in Bildern erkennen können.
Entwickeln Sie aktive Konturen (Schlangen), um komplexe Objektgrenzen zu finden.
Lernen Sie die Hough-Transformation kennen, um einfache parametrische Formen in Bildern zu finden
Erfahren Sie mehr über Bildtransformationen und wie Sie die Homographie zwischen zwei Bildern schätzen können
Kompetenzen, die Sie erwerben
Kategorie: Lineare Algebra
Kategorie: Computervision
Kategorie: Bildanalyse
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Computergrafik
Kategorie: Mathematische Modellierung
Kategorie: Algorithmen
Kategorie: Maschinelles Lernen
Was Sie lernen werden
Lernen Sie radiometrische Konzepte in Bezug auf Licht und dessen Wechselwirkung mit Szenen.
Verstehen Sie Reflexionsmodelle und die verschiedenen physikalischen Mechanismen, die das Aussehen einer Oberfläche bestimmen
Entwickeln Sie eine Methode, um die Form einer Oberfläche aus ihrer Schattierung zu ermitteln.
Verstehen Sie das Prinzip des photometrischen Stereosystems, bei dem durch Variation der Beleuchtungsrichtung eine dichte Karte der Oberflächennormalen der Szene erstellt wird
Kompetenzen, die Sie erwerben
Kategorie: Computervision
Kategorie: Bildanalyse
Kategorie: Visualisierung (Computergrafik)
Kategorie: 3D-Modellierung
Kategorie: Automatisierungstechnik
Kategorie: Computergrafik
Kategorie: Medizinische Bildgebung
Kategorie: Mathematische Modellierung
Was Sie lernen werden
Entwickeln Sie ein umfassendes Kameramodell und lernen Sie, wie man eine Kamera kalibriert, indem man ihre Parameter schätzt.
Entwickeln Sie ein einfaches Stereosystem, das zwei Kameras mit bekannter Konfiguration verwendet, um die 3D-Struktur einer Szene zu schätzen.
Entwerfen Sie einen Algorithmus, der sowohl die Struktur der Szene als auch die Bewegung der Kamera aus einem Video wiederherstellt.
Entwickeln Sie optische Flussalgorithmen zur Schätzung der Bewegung von Punkten in einer Videosequenz
Kompetenzen, die Sie erwerben
Kategorie: Computervision
Kategorie: Lineare Algebra
Kategorie: Bildanalyse
Kategorie: Virtuelle Realität
Kategorie: Computergrafik
Was Sie lernen werden
Entwerfen Sie Algorithmen zur Erkennung von bedeutsamen Veränderungen in einer Szene
Entwicklung von Methoden zur Verfolgung von Objekten in einem Video, während das Objekt Veränderungen in der Pose und der Beleuchtung unterliegt
Lernen Sie verschiedene Ansätze zur Segmentierung eines Bildes in sinnvolle Regionen kennen
Erstellen Sie eine End-to-End-Pipeline für das Lernen und Erkennen von Objekten auf der Grundlage ihrer visuellen Erscheinung
Kompetenzen, die Sie erwerben
Kategorie: Bildanalyse
Kategorie: Künstliche neuronale Netze
Kategorie: Dimensionalitätsreduktion
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Computervision
Kategorie: Deep Learning
Kategorie: Unüberwachtes Lernen
Kategorie: Maschinelles Lernen
Kategorie: Graphentheorie
Kategorie: Lineare Algebra
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
3 - 5 Monate.
Grundlagen der linearen Algebra und Grundlagen der Infinitesimalrechnung werden empfohlen. Eine Programmiersprache ist nicht erforderlich.
Nein.
Weitere Fragen
Finanzielle Unterstützung verfügbar,