Videregående Deep Learning i Computer Vision

• Udvælge, implementere og bruge state-of-the-art deep learning arkitekturer for klassiske computer vision opgaver så som klassifikation, segmentering og objektgenkendelse
• Anvende og undersøge deep learning modeller der kombinerer billeddata med andre modaliteter, så som tekst
• Implementere deep learning modeller for temporal billed data, så som videoer
• Forklare og implementere dype generative modeller for billedsyntese
• Beskrive, implementere og sammenligne alternative metoder for at træne deep learning modeller i situationer med begrænset adgang til data
• Vurdere kvaliteten af deep learning modeller både fra performance-synspunkt samt ansvarlig AI/etisk synspunkt
• Præsentere projekter og tilhørende resultater skriftligt og mundtligt
• Diskutere styrker, svagheder og samfundsmessige konsekvenser af state-of-the-art deep learning modeller.

Kurset giver en introduktion til avancerede emner indenfor deep learning for computer vision. Derfor vil øvelsernes fokus ligge på at implementere algoritmer og at bruge disse til at løse praktiske problemer indenfor computer vision indenfor emner så som: billedgenkendelse, sekvensiel data, generative modeller, videoforståelse, forklarbarhed og retfærdig AI.

02450/02456/02516, 02450, 02456, 02516 eller tilsvarende (især forventer vi at du er erfaren med at træne neurale netværk for computer vision på brugerdefineret data ved hjælp af PyTorch på en remote server)

Forelæsninger, praktiske opgaver og projekter.

Minimum 8.

Vær opmærksom på, at dette enkeltfagskursus har et minimumskrav for antal deltagere for at kunne oprettes. Du får besked om, hvorvidt kurset oprettes senest 8 dage før kursusstart.