Djup maskininlärning för bildanalys

7,5 hp

Kursplan, Avancerad nivå, 1MD120

Kod
1MD120
Utbildningsnivå
Avancerad nivå
Huvudområde(n) med fördjupning
Bildanalys och maskininlärning A1F, Datavetenskap A1F
Betygsskala
Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
Fastställd av
Teknisk-naturvetenskapliga fakultetsnämnden, 8 oktober 2020
Ansvarig institution
Institutionen för informationsteknologi

Behörighetskrav

120 hp inklusive Statistisk maskininlärning, flervariabelanalys, en fortsättningskurs i programmering och Introduktion till bildanalys eller Datoriserad bildanalys. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

  • beskriva och tillämpa bakåtpropagering tillsammans med gradient-baserad och stokastisk gradient-baserad optimering för att optimera en modell;
  • implementera från grunden ett fullt sammankopplat flerlagers neuralt nätverk;
  • förklara under- och överanpassning och vad som kan göras för att undvika dessa;
  • beskriva och använda olika slags regularisering;
  • använda moderna miljöer för djup maskininlärning för att lösa praktiska bildbehandlings- och bildanalysproblem;
  • beskriva och använda djupa faltningsnätverk för bildklassificering, objektdetektion och bildsegmentering;
  • kritiskt analysera forskning inom huvudområdet, bedöma dess möjligheter och begränsningar.

Innehåll

Djup maskininlärning (deep learning) för visuella data. Datadriven bildklassificering, linjär klassificering, aktiveringsfunktioner, olika kostnadsfunktoner, gradient-baserad optimering med bakåtpropagering. Faltningsneuronnät (CNN) och metoder för träning av dessa, överföringsinlärning och artificiell utvidgning av datamängden. Olika arkitekturer samt tillämpningar inom bildanalys (klassificering, detektion, segmentering). Visualisering och förståelse av faltningsneuronnät. Generativa kontradiktoriska nätverk (GANs). Möjligheter och begränsningar med djup maskininlärning.

Undervisning

Föreläsningar, uppgifter, laborationer och projektarbete i grupp.

Examination

Skriftlig tentamen (3 hp), godkända inlämningsuppgifter och laborationer, muntlig och skriftlig presentation av projektarbete (4,5 hp).

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.

Litteraturlista saknas.

FÖLJ UPPSALA UNIVERSITET PÅ

facebook
instagram
twitter
youtube
linkedin