Inom området datorseende finns i dag inlärningsalgoritmer för maskininlärning med hög noggrannhet och prestanda. Det behövs dock stora mängder data för en effektiv inlärning. Vi undersöker nu möjligheten att använda och skapa realistiska syntetiska set av träningsdata.

Dessutom undersöker vi variationer av abstrakta representationer av data för att ytterligare förstå hur data på olika abstraktionsnivåer påverkar inlärningen i djupa neurala nätverk.

Vi tittar också på hur detta kan användas både för att optimera genereringen av data och hur data används.

Länk till publikation 

Forskare

Extern samarbetspartner

Publikation är framtagen i ett samarbete med Magnus Wrenninge, 7D Labs . 

MIT-forskning inom WASP

WASP vid MIT

Forskningsmiljön vid avdelningen Medie- och informationsteknik, Campus Norrköping, grundar sig på mer än tjugo års forskning inom visualisering och interaktion med anknytning till artificiell intelligens, autonoma system och programvarukonstruktion.