Direkt zum Inhalt
Direkt zum Inhalt

Lehrstuhl Computer Vision

Willkommen bei der Arbeitsgruppe Computer Vision der Universität Siegen. Die Gruppe wird von Prof. Michael Möller geleitet. Auf dieser Website finden Sie Informationen zu den Mitgliedern der Gruppe, unseren Lehrveranstaltungen, Publikationen, Abschlussarbeiten und offenen Stellen. 

Gruppe in Boxen

Women in Vision Siegen

Die Women in Vision Siegen ist eine Gruppe von Forschenden, die Frauen in der Informatik im Allgemeinen und in der Computer Vision unterstützen möchte. Die Women in Vision Homepage dient als als Plattform für Einladungen zu Events wie dem Women in Vision Lunch, Workshops und Vorträgen. Interessierte Studierende und Forschende sind herzlich eingeladen mit uns (z.B. Natacha Kuete Meli, Jovita Lukasik oder Michael Möller) in Kontakt zu treten, auf einen Kaffee vorbeizukommen und die Women in Vision Gruppe als Netzwerk für Kontakte über alle Stufen des akademischen Systems zu nutzen! Wir freuen uns auf euch! 

Forschungsprofil

Die Computer Vision Group forscht auf dem Gebiet des maschinellen Lernens, der Optimierung und des Quantum Computings für Anwendungen im Bereich der Bildverarbeitung und Computer Vision. Weitere Informationen zu unseren aktuellen Forschungsarbeiten finden Sie unter unseren Publikationen und unter unseren Projekten.

Forschungsschwerpunkte

  • Maschinelles Lernen
  • Computer Vision
  • Optimierung
  • Inverse Probleme
  • Quantum Computing
  • Bildrekonstruktion

     

 

Aktuelle Forschungprojekte

KiwiSiwi Logo

KIWI@SIWI

KIWI@SIWI ist ein Projekt welches sich mit der Erkennung von Wisenten durch maschinelle Lernverfahren beschäftigt. Ziel ist es mit der Technologie die Tiere besser zu erkennen und damit das Herdenmanagement zu unterstützen. Das Projekt wird durch die Universität Siegen und die NanoGiant GmbH durchgeführt. Es hat eine Förderung durch die Förderlinie NEXT.IN.NRW erhalten. 

DFG-Research-Unit-Learning-to-Sense-in-Mannheim

DFG Research Unit 5336 “Learning To Sense” - P1 Training with Continuous Sensor System Parameters and Irregular Data

Als Teil der interdiziplinären Forschungsgruppe L2S zwischen Elektrotechnik und Informatik beschäftigt sich diese Projekt mit grundlegenden Verfahren des maschinellen Lernens um gleichzeitig Sensorsystemparameter sowie Netzwerkparameter zur semantischen Analyse der aufgenommen Daten zu optimieren. 

Angewandtes Quantum Computing für maschinelles Sehen

Angewandtes Quantum Computing für maschinelles Sehen

Dieses Forschungsprojekt untersucht, wie Computer Vision (CV) von Quantenhardware profitieren kann, um die Grenzen klassischer Ressourcen zu überwinden. Im Fokus steht erstens der Einsatz von Quantum Annealing, um CV-Probleme, die als quadratische unrestringierte Optimierungsprobleme (sogenannte QUBOs) geschrieben werden können, effizient zu lösen. Zweitens wird mittels Quantum Machine Learning erforscht, wie 3D-Daten auf gatterbasierten Systemen kompakter kodiert werden können. 

Das WISENT-Team im Reinraum

Westphalian Intelligent Sensor Integration Pilot Line

Die Pilotlinie WISENT am INCYTE bietet eine innovative Infrastruktur für die Chip- und Sensorentwicklung. Unternehmen und Start-ups können hier ohne eigene Großgeräte Prototypen realisieren. Durch den Einsatz neuartiger Materialien (z. B. Graphen), 3D-Druck-Optiken und integrierter KI-Hardware entstehen intelligente Hochleistungssensoren. Die Copmputer Vision Gruppe trägt zu Demostratoren im Bereich der Datenanalyse mit maschinellen Lernverfahren bei. 

WASEDO Project Picture

Körpergetragene, federated, schwach-überwachte Aktivitätsklassifikation durch egozentrische Objekterkennung

Dieses Projekt erforscht grundlegende Ansätze im maschinellen Lernen, Daten von körpergetragener Sensorik analysieren ohne aufwendige manuelle Annotation zu erfordern. Durch schwach-überwachtes Federated Learning werden lokale Videodaten nur vor Ort genutzt, um das Training der Handgelenks-Sensorik automatisch zu steuern. Insbesondere sollen Videodaten genutzt werden um das Training eines neuronalen Netzwerks zur Analyse von Daten körpergetragener Sensorik zu steuern. 

Lamarr Logo

Lamarr Fellowship

Das 2022 gestartete Lamarr-Institut verbindet KI-Spitzenforschung mit Praxisanwendung. Gefördert mit jährlich 20 Millionen Euro von Bund und Land NRW, bietet es exzellente Bedingungen für Forschende. Über das „Lamarr Fellow Network Programm“ vernetzt das Land zudem gezielt KI-Talente aus ganz Nordrhein-Westfalen. Michael Möller wurde 2023 als Lamarr Fellow ausgezeichnet.

Unsicherheits-robusten Deep Learning für Inverse Probleme

Theoretischer Grundlagen des Unsicherheits-robusten Deep Learning für Inverse Probleme

Dieses Projekt innerhalb des DFG Schwerpunktprogramms "Theoretical Foundations of Deep Learning" entwickelt mathematisch fundierte Deep-Learning-Methoden für inverse Probleme mit Fokus auf Robustheit und Unsicherheitsquantifizierung. Ziel ist es, Modelle resistent gegen Abweichungen zwischen Simulations- und Realdaten zu machen und Lösungen für Szenarien mit Datenknappheit zu finden. Mittels bayesianischer Modellierung und Diffusions-Techniken wird die Verlässlichkeit der Ergebnisse bewertet. Als Beispielanwendungen werden sowohl lineare inverse Probleme, wie auch komplexe Phasenrekonstruktionsprobleme in der Bildgebung betrachtet.

Lehre

Sommersemester

Veranstaltung Moodle
Digitale Bildverarbeitung Praktikum 24906
Optimization for Maschine Learning 24905
Recent Advances in Machine Learning 24907
Objektorientierte und Funktionale Programmierung 11376


 

Wintersemester

Veranstaltung Moodle
Introduction to Visual Computing 28591
Deep Learning 21642
Numerical Methods for Visual Computing 23197

Vorkurs Programmierung:

Die Computer Vision Gruppe bietet kurz vor Start eines jeden Semesters einen Vorkurs "Programmierung" an, in dem neue Studierende erste Schritte in der eigenständigen Programmierung gehen können. 

 

Projektgruppen:

Für Projektgruppen im Bereich Computer Vision und maschinelles Lernen wenden Sie sich bitte direkt an michael.moeller@uni-siegen.de. Diese werden regelmäßig angeboten!

 

Student Projects: Theses, Studienarbeiten and Projekt Gruppen

Mehr Informationen finden Sie hier.

Personal profile photo

Univ.-Prof. Dr. rer. nat. Michael Möller

Gruppe der Hochschullehrer*innen
SarahWagener

Sarah Christine Wagener M.A.

Sekretariat

I'm the Secretary of the Computergraphics&Multimedia Systems Group, the Computer Vision Group, the Visual Computing Group and I'm also responsible for the Prorectorate RIC (Andreas Kolb).

natacha_kuete_meli

Dr. Natacha Kuete Meli

Wissenschaftliche*r Mitarbeiter*in

I am a post-doctorate research assistant in the Computer Vision Group of Prof. Dr.

Personal profile photo

Dr. Kanchana Vaishnavi Gandikota

Wissenschaftliche*r Mitarbeiter*in
Foto einer Frau

Penelope Natusch

Wissenschaftliche*r Mitarbeiter*in

I am a PhD student at the Visual Computing group. My research focuses on object re-identification and robustness-prediction.

Alexander Auras

Alexander Auras M.Sc.

Wissenschaftliche*r Mitarbeiter*in

I’m a PhD student and research associate at the groups for Computer Vision and Visual Computing. My research concerns the usage of machine learning approaches for inverse problems in imaging, with a focus on hybrid methods.

Personal profile photo

Kıvanç Tezören

Wissenschaftlicher Mitarbeiter
Portrait von Jan Philipp Schneider

Jan Philipp Schneider M.Sc.

Wissenschaftliche*r Mitarbeiter*in

Biography

Schwarz-Weiß-Porträtfoto von Sören Kottner vor einem neutralen, weiß-grauen Hintergrund.

Sören Kottner B.Sc. M.Sc.

Wissenschaftliche*r Mitarbeiter*in

I am a research associate at the Computer Vision group. My research focusses on fourier ptychographic microscopy (FPM).

Ulrich Schipper

Dipl.-Inform. Ulrich Schipper

Technische*r Mitarbeiter*in

Kontakt zur Arbeitsgruppe

Postadresse

Universität Siegen
Computer Vision Group
Hölderlinstraße 3
57076 Siegen

Besucheradresse

Universität Siegen
Computer Vision Group
H-A Ebene 7
Raum: H-A 7107
57076 Siegen

Weitere Informationen

Sekretärin:    Sarah Wagener
Telefon:        +49 (0)271 / 740-3315

Raum:           H-A 7107
E-Mail:          sarah-chr.wagener@uni-siegen.de