Examensarbete, 30 hp: Maskininlärning

För att arbeta med maskininlärning behövs data, massvis med data. I detta projekt ska annoterade bilder extraheras på ett automatiserat sätt, genom att använda tillgängliga videofiler och navigeringsdata från ett fartyg.



Din framtida utmaning



Bakgrund

Stora framsteg har gjorts kring maskininlärning inom forskningsvärlden, inte minst kring området med att klassificera bilder. Detta examensarbete syftar till att undersöka hur man på bästa sätt arbetar med maskininlärning i marin miljö.



Beskrivning av examensarbetet

Ett militärt fartyg har noggranna navigationssensorer, och vet därmed exakt var det befinner sig samt vilket håll fartyget pekar mot. Genom att använda ett sjökort, kan man därmed få fram i vilken riktning fyrar, sjömärken, öar, etc. befinner sig. Detta kan användas för att automatiskt samla in bilder på olika navigationsobjekt, och annotera dessa bilder. Exempelvis kan man automatiskt samla in 10000-tals bilder med gröna bojar, vilka sedan kan användas för att träna neurala nätverk för att detektera samma objekt utifrån bara bilder.

Även inom bilindustrin är annoterade bilder viktiga för att träna de neurala nätverken. Inom denna domän annoterar normalt människor bilderna manuellt, vilket är tidsödande. Alternativt skapas bilderna helt simulerat, med den negativa följden att bilderna skapas från den förenklade simuleringen och inte återspeglar den komplexa miljö som finns i verkligheten. Ett effektivare angreppssätt är att göra annoteringen med en algoritm, och låta människor ta hand om bara de fall där algoritmen misslyckas.



Arbetsuppgift

Använd ett dataset med insamlad data från skärgårdsmiljö och/eller havsmiljö, där data från 360°-kamera, zoom-kamera, GPS och gyrokompass använts. Skapa ett verktyg som automatiskt samlar in och annoterar/sorterar bilder från videofilmerna. Resultatet blir t.ex. 10000 bilder med röda bojar, 10000 bilder med röda prickar, 10000 bilder med fyrar, 10000 bilder med bara hav, 10000 bilder med både hav och land, 10000 bilder med land, etc.



Frågeställningar

* Hur ska annoteringen byggas upp för att återspegla den marina miljön på bästa sätt?
* Hur byggs ett verktyg upp? Hur går man till väga?
* Hur gör man för att utöka antalet bilder?
* Hur går man tillväga för att minska problem med overfitting?
* Hur hanterar man olika väderlekar?
* Hur delar man upp arbetet på bästa sätt mellan människa och maskin i annoteringsprocessen?


Den du är idag

Arbetet är lämpligt för 2 studenter med intresse för maskininlärning och programmering. Ni är i slutet av er civilingenjörs-utbildning eller motsvarande och ska påbörja ert 30 hp examensarbete. Erfarenhet kring maskininlärning samt programmering i Python eller motsvarande ses som en merit.


Vad du blir en del av

Saab Kockums är ett affärsområde inom Saab Group och vi utvecklar, konstruerar, tillverkar och underhålla örlogsmarina system såsom örlogsfartyg, ubåtar och autonoma system.

Er arbetsplats kommer att vara på Strategiavdelningen och vi ansvarar bl.a. för företagets forskning och teknikutveckling inklusive att ha koll på framtida teknikutveckling och -trender. Teamet består av en liten grupp specialister.



Sista ansökningsdag
2020-12-31



Kontaktperson

Roger Berg, Chef

0734-18 86 56

Mårten Lager /handledare

073-4188727



If you aspire to help create and innovate whilst developing yourself in a challenging team setting, Saab may well have the perfect conditions for you to grow. We pride ourselves on a nurturing environment, where everyone is different yet we share the same goal - to help protect people.