Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Allgemein   (Übersicht)

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.

Link zu der Vergleichsansicht

Nächste Überarbeitung		Vorherige Überarbeitung
pruefungen:hauptstudium:ls5:pa-2018-09 [02.10.2018 08:53] – angelegt Muetzipruefungen:hauptstudium:ls5:pa-2018-09 [02.10.2018 11:02] (aktuell) – Muetzi
Zeile 1: Zeile 1:
 ====== Allgemein ====== ====== Allgemein ======
-Prüfung wurde gegenüver vom Büro von Herrn Stamminger abgelegt, mit Beisitz. +Prüfung wurde im Büro von Prof Freiling abgelegt, mit Beisitz. 
-Allgemein eine sehr lockere Atmosphäre in die man einsteigt. Herr Riess steigt gerne mit einem Themenüberblick ein und steigt anschließend mit einem zufälligen Thema ein. Er springt gerne ohne großen Zusammenhang zwischen den Themen hin und her.+Allgemein eine sehr lockere Atmosphäre in die man einsteigt. Herr Riess steigt gerne mit einem Themenüberblick ein und fährt anschließend mit einem zufälligen Thema fort. 
 Riess lässt einen eher erzählen und hackt nach, wenn er etwas genaues wissen will. Riess lässt einen eher erzählen und hackt nach, wenn er etwas genaues wissen will.
-Foliensatz 14 (Surface Reconstruction) wurde aufgrund einer Projektorfehlfunktion exkludiert. 
  
 ====== Fragen ====== ====== Fragen ======
 **Riess**: Was für Themen haben wir denn so behandelt? **Riess**: Was für Themen haben wir denn so behandelt?
-> Basics (Farben, Frequenzdomänen, Filtern), Edge & Corner Detectors, Camera & Calibration, Epipolar Geometry, Dense Motion Estimation, Active & Passive Stereo (Stereo Cameras & Structured Light). +> Grob den Vorlesungsverlauf durchgegangen und zu jedem Thema die Methoden genannt die wir besprochen haben 
-**Riess**: Dense Motion Estimation, was ist das, worum geht es dabei? +**Riess**: Was sind denn Graphical Models? 
-> Einstieg war SSD, relativ schnell zur Cross-Correlation gekommen. Dann die normalisierte Form davon und wofür sie gut ist/wieso man sie braucht. +> Graphical Models erklärt -> Markov assumption, Zustand nur von direktem Vorgänger abhängig 
-**Riess**: Okay, was wenn wir jetzt noch zusätzlich Rotationen betrachten? (Kann auch sein, dass er einfach direkt nach Lucas Kanade gefragt hat, weiß es nicht mehr so genau) +**Riess**: Schreiben Sie doch mal die Formel für die Markov assumption hin. 
-> Lucas Kanade grob erklärt, mit delta U und Subpixelbereich, Jacobi zur Annäherung der auch optimierbar ist, ist ein patch-based approach. +> Hier hatte ich eine ziemliche Blockade, habs trotz Unterstützing (über Bayes usw) nicht hinbekommen diese Formel richtig hinzuschreiben... 
-**Riess**: Machen wir weiter mit Canny Edge. +**Riess**: Markov Random Fields: Wie funktioneren die? 
-> Canny Edge erklärt, also alle Schritte. +> Den Aufbau von MRFs erklärt, hidden variables + observations, Umformung in Gibbs Random Field durch Hammersley–Clifford theorem -> Formel dafür hingeschrieben und erklärt -> kurz auf unary und pairwise potentials eingegangen, hier aber ohne Formeln 
-**Riess**: Okay, es gibt auch Corners. Da nehmen wir den Harris Ecken Detector (lol. Deutsch.) + 
-> Schritte erklärt, sehr ins Detail gegangen mit der resultierenden Ellipse, was man daraus ablesen kann, wieso wir den DoG statt LoG verwenden. Cornerness Formel hingeschrieben, wieso wir nur die Eigenwerte brauchen, det(M) + alpha * trace(M)^2. Was alpha ist erklärt. +**Riess**: Kommen wir mal zu einem anderen Bereich. Wie funktioniert der mean-shift Algorithmus? 
-**Riess**: Okay, wir haben jetzt zwei Kameras. Wir wollen einen 3D Punkt berechnen, was machen wir? +> Ziel: Extrema der PDF finden -> grob die Herleitung von der Parzen-Window Formel erklärt -> Update Formel hingeschrieben. (Hier wollte er dann noch wissen warum der Epanechnikov Kernel so gut ist) 
-> Epipolar Geometry. Bildchen gezeichnet, erklärt wie wir von hier auf die Essential Matrix kommen, also wie die Formeln dazu aufgestellt werden. Gesagt, dass es auch die F Matrix gibt, falls keine intrinsischen Matrizen vorhanden sind. -> Punkt berechenbar. +**Riess**: Ähnlich wäre der k-means Algorithmus. Ganz kurz wie funktioniert der? 
-[...] Hier kann es sein, dass ich irgendetwas vergessen habe... [...] +> Kurz die Schritte erklärt die wir da machen... 
-**Riess**: Gehen wir davon aus, dass wir keine intrinsischen und extrinsischen Matrizen haben. Wie kalibriere ich meine Kamera? +**Riess**: (Hier hat er mir eine skizze mit zwei Cluster-Centern gemalt) Kann es bei mean-shift oder k-means passieren, dass ich einen Punkt links vom linken Cluster-Center in mein rechtes Center clustere? 
-> Aufstellung der Formeln für die Kameramatrizen verlangt, wie kommt man zur Matrix mit der man in den homogenen Koordinaten die Gleichung aufstellen kann. + 
-> Ich wusste hier an einem gewissen Punkt nicht mehr weiter, deshalb wollte er mir mit einer Frage helfen: +> Hier hab ich dann eine Weile laut überlegt und mit ihm diskutiert bis ich die Lösung hatte. 
-**Riess**: Wie kann ich anhand eines 3D Punktes meine Kamerakalibrierungen ableiten? +> Bei k-means kann es nicht passieren da würde im Prinzip nur eine Grenze zwischen den beiden Centern entstehen und alles links kommt zum linken Center und alles rechts zum rechten... 
-> Die Frage hat auf darauf abgezielt, dass man die Kamera Kalibrierungsformel aus dem "Camera Calibration" Foliensatz erklärte, also ein Model M anhand homogener Koordinaten aufbaut.+> Bei mean shift machen wir aber einen gradient-ascent -> wenn jetz in einer Kurve von unserem Punkt links vom linken Center um das linke Center immer mehr Punkte im Kernelfenster landen wandert unser Kernelfenster zum rechten Center 
 +**Riess**: Abschließend welche Schritte machen wir bei Spectral Clustering? 
 +> Die 6 Schritte aus der Vorlesung grob erklärt. 
 + 
  
 ====== Vorbereitung ====== ====== Vorbereitung ======
-Man musste 50% der Übungen bestanden haben, um überhaupt die Möglichkeit zu haben, die Prüfung anerkannt zu bekommen. An sich war es gut, alle Übungen gemacht zu haben. +Man musste alle Übungen bestanden haben, um überhaupt die Möglichkeit zu haben, die Prüfung anerkannt zu bekommen. War auch an sich gut, die Übungen gemacht zu haben, vielleicht auch weil man sich viel dafür selbst erarbeiten musste. Ansonsten alle Vorlesungsvideos angeschaut und die Mitschriften noch einmal zusammengefasst. Die Videos waren auch nötig da es leider kein Skript oder Vorlesungsfolien gibt. Es gab auch ein paar Paper die man lesen sollte, die habe ich zu ca 70% gelesen, teilweise hat es sehr geholfen die Methoden besser zu verstehen, da es meist etwas ausführlicher war. Manche Paper waren aber auch nahezu gar nicht hilfreich.
-Ansonsten alle Vorlesungen durchgegangen und zusammengefasst. Teilweise die Videos gesehen. In den Videos waren teilweise wesentlich bessere Erklärungen und man hat Schwerpunkt erkennen können. Basics wurden im Endeffekt nur überflogen.+
  
 ====== Prüfung Allgemein & Bewertung ====== ====== Prüfung Allgemein & Bewertung ======
-Eine sehr entspannte udn ruhige Atmosphäre während der Prüfung. Man fühlt sich überhaupt nicht unter Druck gesetzt. Herr Riess versucht zu helfen, falls man auf dem Schlauch steht. Man hat definitiv Zeit zu überlegen, bevor er hilft. An sich eine faire Prüfung mit fairer Bewertung.+Eine sehr entspannte udn ruhige Atmosphäre während der Prüfung. Man fühlt sich überhaupt nicht unter Druck gesetzt. Herr Riess versucht zu helfen, falls man auf dem Schlauch steht, man hat aber definitiv Zeit zu überlegen, bevor er hilft. An sich eine faire Prüfung mit fairer Bewertung. Was ihn am meisten gestört hatte war mein Problem mit der Markov assumption, dass ich bei der Skizze etwas Diskussion brauchte um auf die Lösung zu kommen war nicht schlimm.