Das ultimative Ziel eines Computer Vision Systems ist es, eine detaillierte symbolische Beschreibung jedes gezeigten Bildes zu erstellen. Dieser Kurs konzentriert sich auf das alles entscheidende Problem der Wahrnehmung.

Wir beschreiben zunächst das Problem der Verfolgung von Objekten in komplexen Szenen. Wir befassen uns mit zwei zentralen Herausforderungen in diesem Zusammenhang. Die erste ist die Trennung eines Bildes in Objekt und Hintergrund mit Hilfe einer Technik, die als Änderungserkennung bezeichnet wird. Die zweite ist die Verfolgung von einem oder mehreren Objekten in einem Video. Als nächstes untersuchen wir das Problem der Segmentierung eines Bildes in sinnvolle Regionen. Dabei verfolgen wir einen Bottom-up-Ansatz, bei dem Pixel mit ähnlichen Eigenschaften zu einer Region zusammengefasst werden. Schließlich befassen wir uns mit dem Problem der Objekterkennung. Wir beschreiben zwei Ansätze für dieses Problem. Der erste erkennt ein Objekt und seine Pose direkt anhand des Aussehens des Objekts. Diese Methode basiert auf dem Konzept der Dimensionsreduzierung, die durch eine Hauptkomponentenanalyse erreicht wird. Der zweite Ansatz besteht darin, ein neuronales Netzwerk zu verwenden, um das Erkennungsproblem als ein Lernen einer Zuordnung von der Eingabe (Bild) zur Ausgabe (Objektklasse, Objektidentität, Aktivität usw.) zu lösen. Wir beschreiben, wie ein neuronales Netzwerk aufgebaut ist und wie es mit dem Backpropagation-Algorithmus trainiert wird.