
"Besonders durch zahlreiche Projekte mit Partnern aus der Industrie empfand ich das Studium am HPI als sehr spannend und abwechslungsreich." Anja Bog, Doktorandin am HPI
Hasso-Plattner-Institut auf der CeBIT
Vom 6. bis 10. März 2012 ist das Hasso-Plattner-Institut auf der CeBIT in Hannover vertreten. Das...
Jahrestagung der DGPF 2012 am Hasso-Plattner-Institut
Vom 14.-17. März 2012 wird am Hasso-Plattner-Institut die 32. Wissenschaftlich-Technische...
HPI MINT-Camp 2012
Um das Lernen der Zukunft dreht sich ein Schüler-Camp, zu dem das Hasso-Plattner-Institut für...
Trust Management Symp 2012
Das IFIPTM-Symposium Industry meets Academia ist Teil einer Konferenzreihe der IFIP-Arbeitsgruppe...
Konferenz AOSD 2012
International Conference on Aspect-Oriented Software Development (MODULARITY:aosd) 2012 -...
Hier finden sie die Hinweise zum Lehrangebot in den Bachelor- und Master-Studiengängen IT-Systems Engineering im laufenden Semester.
Ein Archiv mit dem Lehrangebot älterer Semester finden sie hier.
Large Scale Processing for Multimedia Analysis (WS2011/2012)
Dozent: Dr. rer. nat. Harald Sack, Dr. Peter Tröger, Jörg Waitelonis, Nadine Ludwig, Christian Hentschel (Internet-Technologien und -Systeme)Beschreibung |
|
Multimedia dominiert heute das Internet und ist verantwortlich fur̈ dessen enorme Popularität. Videoportale wie YouTube, sevenLoad, hulu oder auch yovisto.com stellen dies tagtäglich unter Beweis. Um Multimediadaten für die Suche im WWW zu erschließen, müssen ihre Inhalte analysiert werden. Zur automatischen inhaltlichen Erschliessung gehören Verfahren, wie z.B. die strukturelle Analyse über Shot Boundary Detection, Video-OCR, Text-Identifikation, Face und Genre Detection. Die dazu eingesetzten Verfahren sind meist sehr speicher- und rechenintensiv. Um jedoch die enormen Mengen an multimedialen Daten effizient verarbeiten zu können, müssen diese Prozesse parallelisiert werden, damit sie auf Hochleistungsrechnern, wie dem HPI Future Soc Lab, verarbeitet werden können. Die Analysetechniken nutzen maschinelle Lernverfahren, um Inhalte zu erschliessen und Metadaten zu extrahieren. Mithilfe spezieller Frameworks, wie z.B. Apache Mahout, können solche Maschinen-Lernverfahren bereits skaliert und parallelisiert werden. Zur effizienten, ganzheitlichen Verarbeitung von Videodaten müssen aber auch Vorprozesse, wie die Frame- und Feature-Extraktion, skalier- und parallelisierbar implementiert werden. Konzeption und Implementierung effizienter Algorithmen zur parallelen Verarbeitung von Bild- und Videodaten:
|
|
Leistungserfassungsprozess |
|
|
|
Termine |
|
|
|
Webseite |
|
| Allgemeine Informationen | |
ID: |
10 L 1376 |
Kennung: |
VT IST,VT OSIS |
SWS: |
4 |
ECTS Credit Points: |
6 (benotet) |
Einschreibefrist: |
2.11.2011 |
Studiengang: |
IT Systems Engineering (Master) |
Themenmodul: |
Vertiefungsgebiete |
Lehrform: |
Seminar |
Belegungsart: |
Wahlfach |
Themenkomplex: |
Softwaresystemtechnische Vertiefungsthemen (Master) |
Vertiefungsgebiet: |
Systems Architecture, Information Systems, Network & Service Computing |

