TUM School of Computation, Information and Technology
Institution:
Informatik 16 - Lehrstuhl für Anwendungen in der Medizin (Prof. Navab)
Advisor:
Navab, Nassir (Prof. Dr. )
Referee:
Navab, Nassir (Prof. Dr. ); Glocker, Ben (Prof. Dr.); Adeli, Ehsan (Prof.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
TUM classification:
MED 230; DAT 760
Abstract:
Learning to learn is a powerful paradigm that enables machine learning models to leverage the previously learned features for new tasks and domains more effectively. This thesis explores different aspects of learning to learn from data, models, and semantics, and shows how they can enhance various computer vision and medical imaging tasks. In the first part of the thesis, we present novel and fundamental research on learning to learn from data, and in the second part, we investigate the use of high-level semantics in generative models.
«
Learning to learn is a powerful paradigm that enables machine learning models to leverage the previously learned features for new tasks and domains more effectively. This thesis explores different aspects of learning to learn from data, models, and semantics, and shows how they can enhance various computer vision and medical imaging tasks. In the first part of the thesis, we present novel and fundamental research on learning to learn from data, and in the second part, we investigate the use of h...
»
Translated abstract:
Lernen zu lernen ist ein leistungsfähiges Paradigma, das es Modellen des maschinellen Lernens ermöglicht, die zuvor gelernten Merkmale für neue Aufgaben und Bereiche effektiver zu nutzen. In dieser Arbeit werden verschiedene Aspekte des Lernens aus Daten, Modellen und Semantik untersucht und gezeigt, wie sie verschiedene Aufgaben der Computer Vision verbessern können. Im ersten Teil der Arbeit stellen wir grundlegende Forschungsergebnisse zum Lernen aus Daten vor, und im zweiten Teil untersuchen wir die Verwendung von Semantik in generativen Modellen.
«
Lernen zu lernen ist ein leistungsfähiges Paradigma, das es Modellen des maschinellen Lernens ermöglicht, die zuvor gelernten Merkmale für neue Aufgaben und Bereiche effektiver zu nutzen. In dieser Arbeit werden verschiedene Aspekte des Lernens aus Daten, Modellen und Semantik untersucht und gezeigt, wie sie verschiedene Aufgaben der Computer Vision verbessern können. Im ersten Teil der Arbeit stellen wir grundlegende Forschungsergebnisse zum Lernen aus Daten vor, und im zweiten Teil untersuchen...
»