MAS512 Maskinsyn og innebygd KI

Emnet er tilknyttet følgende studieprogram

• Mekatronikk, masterprogram

Undervisningsspråk

Engelsk

Anbefalte forkunnskaper

ING100-G Programmering og IKT-sikkerhet eller tilsvarende.

Innhold

BILDEPROSESSERING – filtrering, segmentering, blob deteksjon, bilderepresentasjon, transformasjoner mellom fargerom, deteksjon og lokalisering av landemerker, Fourier transformasjon, konvolusjon

KAMERA MODELL OG KALIBRERING: Modellering av kamera ved hjelp av kamera modell, kalibrere kamera og få tak i kamera matrisen samt forvrenging pga. linsen

3D MASKINSYN OG SENSORER – LIDAR, RADAR, prinsippet bak forskjellige sensorer for måling av dybde, distanse, hastighet, synlig lys (bilde), punktsky prosessering, prosessering av radar signal

Algebra og stokastisk teori – Lineær algebra, sannsynlighetsberegning, og teori om stokastiske systemer

MASKINLÆRING – Arkitekturer innen maskinlæring (inkludert konvolusjonsnett), konfigurering og trening av nevrale nettverk, bruk av nevrale nettverk på passende maskinvare, forsterkningslæring

Læringsutbytte

Etter fullført emne, skal studenten kunne:

• Beskrive en kameramodell og være i stand til å kalibrere kameraet for å fastsette kamera matrisen som beskriver transformasjonen mellom 2D bildet og 3D verdenen

• Bruke teknikker innen bildeprosessering for å filtrere bildet og detektere objekter

• Bruke sensorer som lidar og radar for å lage 2D og 3D representasjoner av objekter og bruke punktsky prosessering til å detektere for eksempel posituren til et objekt

• Konfigurere, trene og bruke kunstig intelligens algoritmer i en applikasjon med maskinsyn

• Velge passende maskinvare for en gitt applikasjon innen kunstig intelligens, og kunne bruke et ferdigtrent nettverk på en gitt plattform

Vilkår for å gå opp til eksamen

Gjennomført obligatoriske øvinger (inkl. laboratorieøvinger). Disse blir kunngjort på Canvas i starten av semesteret.

Undervisnings- og læringsformer

Forelesninger, oppgaver, laboppgaver og prosjektarbeid.

Studentevaluering

Emneansvarlig i samråd med studenttillitsvalgt fastsetter evalueringsform og om emnene skal ha midtveis- eller sluttevaluering, jf. kvalitetssystemet kapittel 4.1. Informasjon om evalueringsform for emnet publiseres i Canvas.

Eksamen

4-timers skriftlig eksamen (60%) og praktisk prosjektarbeid (40%). Gradert karakter.