FD-Repo University of Bamberg
Not a member yet
89 research outputs found
Sort by
Exploiting Exif Data to Improve Image Classification using CNNs (Code)
No full text<p>In the repository you can find the source code that was used for the evaluation in the following paper:</p><p>Ralf Lederer, Martin Bullin and Andreas Henrich: <i>Exploiting Exif Data to Improve Image Classification using Convolutional Neural Networks</i> . Proceedings of the 22nd International Conference on Image Analysis and Processing, ICIAP 2023<br> </p><p>The software is also available via GitHub:<br><a href="https://github.com/uniba-mi/exifdata4imagerecognition">https://github.com/uniba-mi/exifdata4imagerecognition</a></p>
Datensatz zu lexikalischen Schwierigkeiten beim Textverständnis russischer Lesetexte
No full text<p>Die hier hinterlegten Daten bilden die Grundlage für den Artikel </p><p><strong>Birzer, Sandra, Hellìk Mayer & Anton Gomer. 2023. Lernerurteile zu lexikalischen Schwierigkeiten in russischen Lesetexten. </strong><i><strong>Didaktik der slawischen Sprachen. Sonderband Festschrift Wolfgang Stadler</strong></i><strong>. </strong></p><p>Die Daten stammen aus einer experimentellen Studie mit russischen Lesetexten, die aus Lehrbüchern für Russisch als Fremdsprache entnommen wurden. Ziel des Experiments war festzustellen, welche lexikalischen Einheiten, morphologischen Phänomene und morphosyntaktischen Strukturen den Lernenden unterschiedlicher GERS-Niveaus Schwierigkeiten beim Textverständnis bereiten. </p><p>Die hier veröffentlichte Datei enthält eine Teilmenge der im Experiment generierten Daten, nämlich jene Texteinheiten, die im Experiment von den Teilnehmer*innen mit dem Label "unklare Wortbedeutung" versehen wurden, und eine im Rahmen der Analyse erstellte Annotation der experimentellen Daten. </p><p>Das Annotationslabel "nicht_enthalten" bedeutet, dass das jeweilige Lexem in den Wortschatzlisten des <i>Лексический минимум по русскому языку как иностранному</i> bis einschließlich Niveau ТРКИ-III bzw. GERS-Niveau C1 nicht geführt ist. </p>
Exploiting Exif Data to Improve Image Classification using CNNs (Dataset)
No full text<p>In the repository you can find the dataset that was used for the evaluation in the following paper:</p><p>Ralf Lederer, Martin Bullin and Andreas Henrich: <i>Exploiting Exif Data to Improve Image Classification using Convolutional Neural Networks</i> . Proceedings of the 22nd International Conference on Image Analysis and Processing, ICIAP 2023</p>
Chatbots & Dialogsysteme - Prof. Dr. Stefan Ultes
No full text<p>Zu Gast heute im Podcast: Prof. Dr. Stefan Ultes (Universität Bamberg). Er ist Leiter der Abteilung "Sprachgenerierung" und "Dialogsysteme". Zuvor war er Forschungsleiter für Dialogsysteme bei Mercedes Benz und Postdoc in der "Spoken Dialogue Systems Group" an der Universität Cambridge.</p><p>Stefan Ultes verdeutlicht zunächst den Unterschied zwischen "Sprachsystemen" und "Dialogsystemen". Ein Dialogsystem agiert mit Nutzern in einem mehrstufigen kommunikativen Austausch - mit geführter Rede und Gegenrede. Dabei wird der entsprechende "Kontext" über mehrere Dialogschritte berücksichtigt. Allerdings kann die dahinterliegende Intelligenz sehr unterschiedlich ausgelegt/ausgeprägt sein: Von telefonischen Baum-Entscheidungen (Telefon-Hotline) bis hin zu hochkomplexen multidimensionalen Sprachassistenten.</p><p>Die Rolle virtueller Sprach-Assistenten gibt dabei diesen "Kontext" vor: Logisch, "Siri" (Apple), "Cortana" (Microsoft) oder "Alexa" (Amazon) führen andere inhaltliche Dialoge als ein Sprachassistent eines Autos. Beide verbindet jedoch die (gesprochene) Sprache als interaktive Schnittstelle mit dem Menschen, die ihrerseits auf Large-Language-Models (LLM), Deep-Learning oder Neuronalen Netzen basiert.</p><p>Unabhängig von der Spracheingabe (Text oder gesprochene Sprache), funktionieren weite Teile dieser Künstlichen Intelligenzen auf Maschinellem Lernen, einer großen Datenmenge und vielen Trainingsbeispielen. Stefan Ultes erklärt, warum intelligente Systeme dabei nicht selbst verstehen müssen, welche grammatikalische Regeln hinter einer Sprache liegen. Und statistisch gesehen, das Ergebnis trotzdem korrekt sein wird.</p><p>Am Ende gibt Prof. Ultes gibt Einblicke, wie sich Sprachübersetzer und Bildgeneratoren funktionell unterscheiden und erläutert, wie modulare KI-Systeme von Laien zum Einsatz gebracht werden können.</p>
Evaluation der Bestimmungapp "Wildbienen und Wespen" (Version 1.0)
No full text<p>Veröffentlichung der gesammelten Daten zur Auswertung der Evaluation. </p><p>Für die Evaluation wurden aus 6 Nistkästen verschiedener Standorte, bestehend aus je 10 Nistplatten mit je 10 Brutröhren (d.h. 600 Brutröhren), 64 Nistgänge ausgewählt. Diese wurden nur mit Hilfe der ID-Logigcs Bestimmungsapp "Wildbienen und Wespen" von Schülerinnen und Schülern sowie Student/innen mehrfach bestimmt und die Verläufe entsprechend via Screenshots dokumentiert.</p><p>Standorte der Nistkästen: Hainpark Bamberg, Noddackhaus Universität Bamberg, Bad Staffelstein</p><p><strong>Projekt:</strong> <a href="https://fis.uni-bamberg.de/handle/uniba/60799">DiKuLe-Wildbienenprojekt</a>: Erstellung einer WildbienenbestimmungsApp für die Schulpraxis </p><p><a href="http://id-logics.com">ID-logics</a> ist ein Projekt von Jorge Groß, Philipps-Universität Marburg und Freunden. </p><p> </p>
Vortragsvideos des DiKuLe-Symposiums 2022
No full text<p>Auf dieser Seite finden Sie Videobeiträge des Symposiums <a href="https://dikule-symposium.de">"Digitale Kulturen der Lehre entwickeln"</a> (6./7. Oktober 2022 an der Universität Bamberg).</p>
KI in der Medizin - Prof. Dr. Christian Ledig
No full text<p>Unser heutiger Gast, Dr. Christian Ledig, ist Professor an der Universität Bamberg und seit 2022 Inhaber des Lehrstuhls für "Erklärbares Maschinelles Lernen". Seine Expertise liegt in der Übertragung Maschinellen Lernens auf den Gesundheitsbereich.</p><p>Die höchste Wirkung entfalten KIs heute schon im Bereich "Diagnostik" und bei der "Entwicklung von Medikamente", so Ledig. Bildgebende KI-Verfahren bei Röntgen-, Kernspin- und Computertomographie-Aufnahmen stehen hier besonders im Fokus: Tatsächlich sind diese Erkennungsmechanismen ziemlich robust, effizient und erstaunlich genau. Mithilfe KIs können so zum Beispiel bereits Radiologen unterstützt werden, sagt Ledig.</p><p>Smartwatches sammeln kontinuierlich Gesundheitsdaten. Damit können Patienten die Erstdiagnosen per Telemedizin selbst vornehmen oder eigenständig überwachen. Bei Überschreiten eines Schwellenwertes können Gesundheits-Apps Warnungen an Ärzte und Patienten kommunizieren. Doch wie einheitlich ist die Datenflut in der Medizinwelt heute - und welche neuen Behandlungsmethoden ermöglichen KIs heute schon in der Realität (oder noch nicht)?</p><p>In der Praxis haben Kliniken und behandelnde Einrichtungen leider noch z.T. heterogene Arbeitsabläufe, um verfügbaren Datenbanken effizienter zu nutzen. Technisch sind die Systeme zwar oft ausgereift, aber in der Praxis nicht immer anwendbar. Die "elektronische Patientenakte", die Patientendaten zentral standardisiert listen soll, ist laut Ledig für diese Praxisschwierigkeiten ein gutes Beispiel. Hinzu kommen Einschränkungen beim Thema Datenschutz der Systeme.</p><p>Letztlich unterstreicht Ledig die Kritikalität der Medizin-KIs: Patienten vertrauen behandelnden Ärzten die eigene Gesundheit, das Leben, an. Die KI muss also für das behandelnde Personal immer erklärbar und nachvollziehbar sein, um dem Mensch eine valide Entscheidungsgrundlage zu bieten.</p>
Textured 3D Model of the great hall at Castle Rheinsberg, Germany/ Schloss Rheinsberg
No full text<p>The Schloss Rheinsberg (Rheinsberg Palace) is part of the Prussian Palaces and Gardens Foundation Berlin-Brandenburg (SPSG) and was the home of crown prince Frederick (later Frederick II, also Frederick the Great) from 1736 until his accession in 1740. It is decorated with the first known ceiling paintings by French artist Antoine Pesne (1683-1757), who until this point had painted only on canvas.The decoration of Schloss Rheinsberg is largely intact and well preserved. </p><p>Five ceilings were imaged: amongst them the primary focus of this project, the Spiegelsaal with its fresco of the Aurora. </p><p>The Palace in Rheinsberg was imaged by a team of three over two days in October 2022.</p><p>The primary focus of the campaign in this instance was the Spiegelsaal. The room measures approximately 12.5 x 11m with a ceiling height of between 5.0 and 5.5m. It has three large windows on the east and west sides, interspersed with full-length mirrors. An initial capture of the entire room was made with the Nikon D850 and wide-angle (12 mm) lens consisting of 133 images (F/4, ISO 125, 1/10 exposure). For the high-resolution imaging of the ceiling, CHAPI was used with the D850 and a full-frame 105mm lens (F/11, ISO 125 and variable exposure). </p><p>827 images were taken with an 80% overlap. The distance to the ceiling was 4.5m and the field of view 150x100cm, giving a GSD of .185mm (185µm). Due to the available light being highly variable (a bright day with intermittent cloud cover), and changing dramatically even between individual photos, an exposure time of between 1/3 and 1 seconds was used and adjusted manually according to light conditions. Due to the long exposure time, CHAPI was used in semi-automatic mode, with the distance travelled measured automatically but the camera triggered manually. To ensure all areas of the painting would be captured after masking, a further set of four rings (67 images) were taken at a slight angle around each of the chandeliers (at f/16 to give a greater depth of field). Another set of 307 images were taken of the vaulting, with a 50mm lens (F/11, ISO 125) at 45°, as well as some extra images of the stucco on the doors and around the mantelpieces. </p>
Befragung der Lehramtsstudierenden in EWS-Vorbereitungskursen im Projekt WegE (Sommersemester 2018; EWS-K 3)
No full text<p>Befragung von Lehramtsstudierenden im Projekt "Wegweisende Lehrer:innenbildung (WegE)" im Sommersemester 2018, N=39 </p><p>Das Projekt WegE wird unter den Förderkennzeichen 01JA1615 und 01JA1915 im Rahmen der gemeinsamen 'Qualitätsoffensive Lehrerbildung' von Bund und Ländern aus Mitteln des Bundesministeriums für Bildung und Forschung gefördert. </p><p>Der Datensatz ist erhältlich auf Anfrage unter: [email protected] </p>