Skip to content Go to main navigation Go to language selector

Master Thesis 30 HP: Evaluating Synthetic vs real datasets for Deep Learning detection applications

Location
Järfälla, Sweden
Contact
Jesper Ohlson
Per Emilsson
Closing date
30 December 2020 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 under vilka förutsättningar syntetiska bilder kan användas för att träna ett neuralt nätverk som fungerar på riktiga bilder.

  • Kort litteraturstudie av Machine Learning och Deep Neural Networks
  • Litteraturstudie av Synthetic image data generation samt Learning assurance
  • Insamla ev data som behövs
  • Implementera och träna olika NN med olika dataset
  • Utreda under vilka omständigheter denna metod fungerar, begränsningar, optimal kombination av syntetisk och reell data
  • Egna förslag kring ämnet

Din profil

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 och/eller Avionics Safety

Omfattning

1 person, 30hp

Start
Januari 2021 eller enligt överenskommelse.

Placeringsort Järfälla.
 

För mer information kontakta: 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.