Fotografi av Michael Felsberg

Michael Felsberg

Professor, Avdelningschef

Min forskning täcker ett brett spektrum av ämnen inom artificiella visuella system (AVS): tredimensionell datorseende, beräkningsfotografi, objektdetektion, -följning och -igenkänning, och robotseende och autonoma system.

Utveckling av artificiella visuella system, (AVS), har sina rötter i modelleringen av det mänskliga visuella systemet (MVS); en extremt utmanande uppgift som generationer av forskare har försökt sig på med begränsad framgång.

Synsinnet är en självklarhet för människor och man antar allmänt att cirka 80% av vad vi uppfattar är baserad på visuell uppfattning. Synsinnets mycket intuitiv natur gör det svårt för oss att förstå den myriad av problem som är förknippade med utformningen av AVS, i motsats till sofistikerade analytiska uppgifter som t.ex. att spela schack.

Således blev AVS ett allmänt underskattat vetenskapligt problem, kanske ett av de mest underskattade problemen under de senaste decennierna.

Många AI forskare trodde att de verkliga utmaningarna var symboliska och analytiska problem och visuell perception var bara ett enkelt underproblem, som ska behandlas i ett sommarprojekt, vilket uppenbarligen misslyckades.

Sanningen är att datorer är bättre än människor på att spela schack, men även ett litet barn har bättre generisk visuell uppfattning än något artificiellt system.

Min forskning syftar på att förbättra AVS kompetenser väsentligt, driven av en HVS-inspirerad strategi, eftersom AVS förväntas samexistera med - och därför förutsäga beteendet av - människor.

  • Min Google Scholar profil
  • Curriculum vitae

    Publikationer

    Alkis Sygkounas, Ioannis Athanasiadis, Andreas Persson, Michael Felsberg, Amy Loutfi,  Interactive Double Deep Q-network, 2025 IEEE Intelligent Vehicles Symposium (IV), IEEE Symposium on Intelligent Vehicle, pp. 2325-2332, Institute of Electrical and Electronics Engineers (IEEE) (2025)  https://doi.org/10.1109/iv64158.2025.11097638

    Alkis Sygkounas, Ioannis Athanasiadis, Andreas Persson, Michael Felsberg, Amy Loutfi, Interactive Double Deep Q-network: Integrating Human Interventions and Evaluative Predictions in Reinforcement Learning of Autonomous Driving (2025)  https://arxiv.org/abs/2505.01440

    Arnold Brosch, Abdelrahman Eldesokey, Michael Felsberg, Kira Maag, Out-of-Distribution Segmentation via Wasserstein-Based Evidential Uncertainty (2025)  https://arxiv.org/abs/2512.11373

    Arvi Jonnarth, Ola Johansson, Jie Zhao, Michael Felsberg,  Sim-to-Real Transfer of Deep Reinforcement Learning Agents for Online Coverage Path Planning, IEEE Access 13:106883-106905 (2025)  https://doi.org/10.1109/access.2025.3581035  https://doi.org/10.1109/access.2025.3581035 https://liu.diva-portal.org/smash/get/diva2:1990716/FULLTEXT02.pdf

    Ashmal Vayani, Dinura Dissanayake, Hasindri Watawana, Noor Ahsan, Nevasini Sasikumar, Omkar Thawakar, Henok Biadglign Ademtew, Yahya Hmaiti, Amandeep Kumar, Kartik Kuckreja, Mykola Maslych, Wafa Al Ghallabi, Mihail Mihaylov, Chao Qin, Abdelrahman M. Shaker, Mike Zhang, Mahardika Krisna Ihsani, Amiel Esplana, Monil Gokani, Shachar Mirkin, Harsh Singh, Ashay Srivastava, Endre Hamerlik, Fathinah Asma Izzati, Fadillah Adamsyah Maani, Sebastian Cavada, Jenny Chim, Rohit Gupta, Sanjay Manjunath, Kamila Zhumakhanova, Feno Heriniaina Rabevohitra, Azril Amirudin, Muhammad Ridzuan, Daniya Kareem, Ketan More, Kunyang Li, Pramesh Shakya, Muhammad Saad, Amirpouya Ghasemaghaei, Amirbek Djanibekov, Dilshod Azizov, Branislava Jankovic, Naman Bhatia, Alvaro Cabrera, Johan Obando-Ceron, Olympiah Otieno, Fabian Farestam, Muztoba Rabbani, Sanoojan Baliah, Santosh Sanjeev, Abduragim Shtanchaev, Maheen Fatima, Thao Nguyen, Amrin Kareem, Toluwani Aremu, Nathan Xavier, Amit Bhatkal, Hawau Toyin, Aman Chadha, Hisham Cholakkal, Rao Muhammad Anwer, Michael Felsberg, Jorma Laaksonen, Thamar Solorio, Monojit Choudhury, Ivan Laptev, Mubarak Shah, Salman Khan, Fahad Khan,  All Languages Matter: Evaluating LMMs on Culturally Diverse 100 Languages, 2025 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), IEEE Conference on Computer Vision and Pattern Recognition, pp. 19565-19575, IEEE COMPUTER SOC (2025)  https://doi.org/10.1109/CVPR52734.2025.01822

    Nyheter

    Superdatorn Berzelius fotograferad med vidvinkel.

    Svensk AI-forskning får mer muskler

    Cancerdiagnostik, datorseende och materialutveckling är bara några forskningsutmaningar som AI kan bidra till att lösa. Superdatorn Berzelius invigdes våren 2021 och redan nu behövs mer kraft för att möta behovet hos svensk AI-forskning.

    Skärmdump från svt.se på Michael Felsberg

    Viral video anklagas för att vara deepfake

    Joe Biden är död och har ersatts av deepfakes. Det var en konspirationsteori som fick sociala medier att gå i spinn efter att Vita Huset publicerat videon. Michael Felsberg, professor vid Avdelningen för datorseende, kommenterade videon i SVT.

    Michael Felsberg, professor

    Michael Felsberg: "Deep learning skapade en guldrusch"

    De senaste årens revolution inom artificiell intelligens handlar till stor del om framsteg inom maskininlärning och då särskilt djupinlärning, berättar Michael Felsberg, Sveriges bästa AI-forskare.

    Goutam Bhat

    Hans algoritm får datorn att känna igen oss

    Goutam Bhat är årets Christer Gilén-stipendiat inom området statistik och maskininlärning. Han får stipendiet för sitt arbete inom området datorseende. ”En av de bästa studenter jag haft inom grundutbildningen”, intygar professor Michael Felsberg.

    Båten kränger vilket ger en vågig bild

    Bilderna visar var båten är

    Bertil Grelsson har i sin doktorsavhandling visat att det är fullt möjligt att navigera både till sjöss och i luften med hjälp av bilder. Förutsatt att det inte är för dimmigt. Metoderna utgör en viktig pusselbit för en säker och robust navigering.

    Centauro-roboten

    Fyrbent robot en hjälpare i kris

    I ett nyligen avslutat Horisont 2020-projekt har forskare och utvecklare från tre europeiska länder tagit fram nya tekniker för en räddningsrobot. Roboten ska kunna agera i farliga miljöer, som exempelvis efter en kärnkraftsolycka.

    Image not found

    LiU i topp inom AI

    När Vinnova nyligen inventerade forskningsläget inom artificiell intelligens i Sverige hamnade Linköpings universitet på en stark andraplats. En av de främsta AI-miljöerna i Sverige finns inom datorseende vid Linköpings universitet.

    Image not found

    LiU-forskning i datorseende ger tusentals citeringar

    När Martin Danelljan disputerar om ett par veckor har han redan publicerat fler än tio vetenskapliga artiklar som totalt har fler än 2000 citeringar. De var tidigt ute med effektiva metoder för objektföljning, högaktuellt inom AI-forskningen.

    Image not found

    WASP:s forskarskola är igång

    47 nyantagna doktorander, från fem universitet och 13 olika företag, deras handledare, industrirepresentanter, WASPs styrelse och programledning samlades till en gemensam startkonferens i Linköping.

    Forskning

    Medarbetare CVL

    Om avdelningen

    Om institutionen