Maskininlärning för datorseende avancerad kurs
Advanced Topics in Learning-based Computer Vision

FMA325F, 7.5 högskolepoäng

Gäller från och med: Höstterminen 2024
Beslutad av: Maria Sandsten
Datum för fastställande: 2024-05-07

Allmänna uppgifter

Avdelning: Matematik (LTH)
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: Engelska

Syfte

Kursen går igenom avancerade ämnen inom datorseende med ett fokus på maskininlärning.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• Förstå avancerade begrepp och maskininlärningstekniker som används inom datorseende.
• Förstå och diskutera nuvarande forskningsfront och framtida forskningsriktningar inom maskininlärningsbaserade metoder relevanta för datorseende.
• Vara bekant med vanliga nätverksarkitekturer, målfunktioner och datamängder som används inom fältet.
• Vara förtrogen med aktuella trender och teknologier inom området.

Färdighet och förmåga

För godkänd kurs skall doktoranden

• Kunna använda vanliga maskininlärningstekniker relevanta för datorseende.
• Kunna analysera och granska nya forskningsartiklar inom området.
• Kunna tolka vanliga utvärderingsmetoder och applicera dessa på standarddatabaser.

Kursinnehåll

Kursen handlar om maskininlärningsmetoder och paradigmer som används inom modern datorseende.

Kurslitteratur

Vetenskapliga artiklar som belyser både historik och nuvarande forskningsfront inom området.

Kursens undervisningsformer

Undervisningsformer: Seminarier, litteraturkurs som självstudier

Kursens examination

Examinationsform: Seminarieföredrag av deltagarna
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: Kursdeltagarna förutsätts ha erfarenhet av forskning inom område relevant för kursen.
Urvalskriterier: Kursen är begränsad till 12 deltagare. Företräde ges till studenter antagna till forskarutbildningsämnena Matematik (TEFMAF00), Numerisk Analys (TEEDAFNA) och Matematisk statistik (TEFMSF00).

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:

• Viktor Larsson <viktor.larsson@math.lth.se>
• Magnus Oskarsson <magnus.oskarsson@math.lth.se>