Skip to content Go to main navigation Go to language selector

Master Thesis, 30 hp: Domain Adaption 2.0

Location
Järfälla, Sweden
Closing date
15 December 2021
Apply for this job!

Din framtida utmaning

Bakgrund

Inom flygindustrin ställer man höga krav på flygsäkerhet och robusthet i alla tekniska system ombord på flygplan. Många produkter inom flyg kan dra nytta av den nya teknikutvecklingen inom området Machine Learning (ML), där olika typer av bildbehandlingsfunktioner kan realiseras med hjälp av djupa neurala nätverk, t ex objektdetektering. För att träna en detektor krävs stora mängder bilddata, vilket snabbt blir kostsamt om det ska genereras med riktiga kameror och flygprov och dessutom annoteras. Därför vill man använda syntetiskt data i så stor utsträckning som möjligt, med bibehållen detektionsförmåga i den riktiga omvärlden.

Beskrivning av examensarbetet

Detta exjobb går ut på att utvärdera hur Domain Adaptation (DA) och Unsupervised Learning (UL) kan kombineras för att lösa objektdetekteringsproblem i avioniksystem där man har begränsat med annoterad, insamlad data.

  • Kort litteraturstudie av Machine Learning och Deep Neural Networks
  • Litteraturstudie av Domain Adaptation, Unsupervised Learning och tidigare arbeten inom området
  • Insamla ev data som behövs (simulatorer, flygprovsdata)
  • Planera och utföra DA-experiment
  • Utreda under vilka omständigheter denna metod fungerar, begränsningar, hyperparametrar, optimala förhållanden och hur mycket data som behövs för lyckat resultat
  • Egna förslag kring ämnet

Den du är idag

Arbetet är lämpligt för 1 student, 30 hp.

Vi söker dig som:

  • studerar till civilingenjör inom teknisk fysik, elektro, datateknik eller liknande
  • har ett intresse av att arbeta med bildbehandling och Machine Learning
  • läst kurser inom Machine Learning

Start Januari 2022 eller enligt överenskommelse.

Sista ansökningsdag

15-12-2021

Kontaktperson

Joakim Lindén

joakim.linden@saabgroup.com

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.