Mange computer vision opgaver, som traditionelt har været løst med algoritmer baseret på designede features bliver nu løst med brug af deep learning. Dette inkluderer opgaver som segmentering og klassifikation. I dette kursus vil den studerende lære om disse opgaver, og hvordan de løses med deep learning. Det vil gøre de studerende i stand til at identificere og beskrive et problem indenfor computer vision, løse det med brug af en relevant neutralt netværksarkitektur og analysere kvaliteten af løsningen. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Identificere og beskrive problemer i computer vision som kan løses med deep learning.
• Udvælge go implementere en passende convolutional neuralt netværksarkitektur for klassifikation, lokalisering og segmentering.
• Demonstrere kendskab til populære teknikkerr brugt til træning af neurale netværk.
• Finde passende træningsdata for et givent problem samt anvende relevant data augmentation.
• Bestemme og analysere hvor godt et convolutional neuralt netværk virker.
• Forstå og forklare brugen af generative adversarial netværk i computer vision.
• Bruge generative adversarial netværk for at generere syntetiske billeder fra et begrænset domæne.
• Kommunikere resultater konsistent på skrift.
• Diskutere emner fra kurset på en konsistent måde.

Kurset indeholder forelæsninger og øvelser om neurale netværk for computer vision. Øvelserne tager den studerende fra en konkret problemstilling indenfor computer vision til en løsning baseret på neurale netværk. Der dækkes emner indenfor objektgenkendelse, billedsegmentering samt billedgenerering. 08. februar, 2021