Online Workshop: CNNs in Object Detection and Tracking

Detection und Tracking von Objekten ist ein hoch aktuelles Thema das in sehr vielen Bereichen seine Anwendung findet. Typische Anwendungen finden sich zum Beispiel im Kontext von autonomen Fahren (erkennen von Straßenschildern oder anderen Verkehrsteilnehmern) oder Überwachungssystemen (Personenverfolgung).
Ziel der Objekterkennung (Detection) ist es, ein oder mehrere Objekte oft auch unterschiedlicher Klassen in einem Bild oder Videoframe zu erkennen. Als Ergebnis werden die Position und Größe (entweder in Form einer Bounding Box oder Segmentierungsmaske) sowie die zugehörige Klasse (z.B. Gesicht, Katze, Tisch) ermittelt.

Das Tracking baut auf den Ergebnissen der Objekterkennung auf. Dort wird versucht einzelne oder mehrere Objekte über mehrere Frames eines Videos zu verfolgen. Für beide Probleme gibt es sowohl klassische wie auch Deep-Learning (DL) basierte Verfahren. In der Praxis hat sich gezeigt, dass DL basierte Verfahren den Klassischen überlegen sind, sofern ausreichend Trainingsdaten zur Verfügung stehen.

In diesem Workshop soll die prinzipielle Funktionsweise von DL basierten Object Detection und Tracking anhand von konkreten Beispielen erlernt werden. Die dafür notwendigen theoretischen Grundlagen werden in kurzen Theorieblöcken erarbeitet.

Am Ende sollen die Teilnehmer einen Überblick über den aktuellen Stand der Technik haben und einfache Objekterkennungs- und Trackingaufgaben selbstständig lösen können.
Als Programmiersprache wird Python mit dem PyTorch Framework eingesetzt. Es wird vorausgesetzt, dass der grundlegende Umgang mit PyTorch und der Aufbereitung von Trainings und Testdaten bereits bekannt ist.