Examensarbete, 30 hp: Hur realistisk behöver syntetisk data vara för datorseende?

Examensarbete, 30 hp: Hur realistisk behöver syntetisk data vara för datoseende?

Är du en student som är ivrig att tillämpa dina teoretiska kunskaper och nya perspektiv på verkliga utmaningar? På Saab tror vi att innovationer växer på nya idéer, och ditt examensarbete kan vara gnistan som tänder vårt nästa tekniska genombrott.

Din roll

Vi ser det enorma värdet som studenter tillför vårt företag. Din akademiska precision, i kombination med din entusiasm för avancerad teknik, gör att du kan närma dig problem med en unik och insiktsfull lins. På Saab får du möjlighet att samarbeta med erfarna ingenjörer och specialister, få ovärderlig praktisk erfarenhet och samtidigt bidra till vår tillväxt och utveckling.

Bakgrund

Att samla in och annotera stora mängder verklig data för träning av AI-modeller kan vara både tidskrävande och kostsamt. Ett alternativ är att generera syntetisk, där stora mängder träningsdata och tillhörande annoteringar kan skapas automatiskt.

En viktig frågeställning är dock hur realistisk den syntetiska datan behöver vara för att ge god prestanda på verklig data. Det är inte självklart att högsta möjliga visuella realism alltid leder till bättre modeller. Olika delar av en syntetisk miljö, såsom geometri, texturer, ljussättning, variation och komplexitet, kan påverka modellens prestanda på olika sätt.

Saab Dynamics har en lång tradition inom bildbehandlingsområdet och sektionerna för bildbehandling samt optronik & bildbaserad navigering handleder årligen ett antal exjobbare inom området. I dagsläget är vi drygt 30 personer mellan sektionerna och arbetar med allt från elektrooptiska sensorer till realtidsimplementering av våra bildbehandlingsapplikationer.

Beskrivning av examensarbetet

Syftet med exjobbet är att undersöka vilka egenskaper hos syntetisk data som är viktigast för att uppnå god överföring till verkliga data.

Arbetet kan omfatta utveckling av en procedurbaserad pipeline för generering av syntetiska dataset i exempelvis Blender eller en spelmotor. Olika komponenter av realism kan därefter varieras systematiskt, exempelvis geometri, material och texturer, ljussättning, bakgrund, miljövariation eller objektutseende.

Modeller tränas på de olika syntetiska dataseten och utvärderas mot lämpliga dataset med verklig data. Målet är att identifiera vilka faktorer som har störst påverkan på modellens prestanda och om enklare syntetiska miljöer kan ge jämförbara resultat med mer fotorealistiska alternativ.

Exempel på forskningsfrågor

• Vilka komponenter av realism i syntetisk data har störst påverkan på modellens prestanda på verklig data?

• Hur påverkar exempelvis geometri, texturer, ljussättning och miljövariation överföringen från syntetisk till verklig data?

• Finns det en nivå där ökad realism inte längre ger någon betydande förbättring av modellens prestanda?

• Är variation i det syntetiska datasetet viktigare än hög visuell realism?

• Går det att identifiera en trade-off mellan kvalitet på syntetisk data, genereringskostnad och modellprestanda?

Vi ger dig det stöd och den vägledning du behöver för att omsätta dina teoretiska kunskaper i praktiska lösningar. Bli en drivande kraft bakom Saabs tekniska framsteg!

Vänligen observera att vi arbetar med löpande urval och tjänsten kan komma att tillsättas innan sista ansökningsdatum har gått ut.

Befattningen kräver att du genomgår och godkänns enligt vid var tid gällande bestämmelser för säkerhetsskydd. För befattningar där Saab har krav på säkerhetsklassinplacering kan, i förekommande fall, medföra krav på visst medborgarskap.

Din profil

Arbetet är lämpligt för 1-2 studenter i slutet av er teknisk fysik- eller datorteknik-utbildning (eller motsvarande) och ska påbörja ert 30 hp examensarbete. Erfarenheter av maskininlärning, datorseende och programmering är meriterande.

Vi söker en/två exjobbare med intresse för maskininlärning, datorseende och syntetisk data. Examensarbetet fokuserar på att undersöka vilken nivå av realism som krävs i syntetiskt genererade dataset för att träna robusta AI-modeller.

Vi ger dig det stöd och den vägledning du behöver för att omsätta dina teoretiska kunskaper i praktiska lösningar. Bli en drivande kraft bakom Saabs tekniska framsteg!

Befattningen kräver att du genomgår och godkänns enligt vid var tid gällande bestämmelser för säkerhetsskydd. För befattningar där Saab har krav på säkerhetsklassinplacering kan, i förekommande fall, medföra krav på visst medborgarskap.

Vänligen observera att vi arbetar med löpande urval och tjänsten kan komma att tillsättas innan sista ansökningsdatum har gått ut.

Kontaktpersoner

Marcus Klomark, Sektionschef Bildbehandling

marcus.klomark@saabgroup.com

076-8967055

Elin Bergström, kontaktperson/handledare 

Elin.bergstrom@saabgroup.com

Vad du blir en del av

Upptäck oändliga möjligheter. Anta utmaningar, skapa smarta innovationer och uppgradera dina förmågor. Det här är en plats för kluriga tänkare, modiga pionjärer och alla däremellan. Tillsammans uppnår vi det extraordinära, var och en tar med sitt unika perspektiv. Varje bidrag räknas.

Saab är ett ledande försvars- och säkerhetsföretag med syfte att hjälpa nationer att skydda sin befolkning och bidra till trygghet för människor och samhällen. Med 28 000 talangfulla medarbetare utvecklar Saab teknik och lösningar för en säkrare och mer hållbar värld.

Saab utvecklar, tillverkar och underhåller avancerade system inom flygteknik, vapen, ledningssystem, sensorer och undervattenssystem. Saab har sitt huvudkontor i Sverige men en global verksamhet där Saab är en del av många nationers försvarsförmåga. Läs mer om oss här.