IN3310 – Dyp læring for bildeanalyse

Etter å ha tatt emnet vil du:

• forstå hvordan nevrale nett er bygget opp og hvordan backpropagation fungerer;
• forstå empirisk risikominimering og være kjent med populære tap- og aktiveringsfunksjoner;
• forstå viktige matematiske innsikter og intuisjoner bak treningsprosessen, hvordan håndtere distribusjonsskift og generalisere, samt regulariseringsteknikker;
• vite hvordan man trener et nevralt nettverk fra bunnen av og grunnleggende konsepter innen populære førsteordens optimaliseringsmetoder, bruker forhåndstrente modeller, finjusterer de nevrale nettverkene, og skiller mellom når man skal bruke de forskjellige tilnærmingene for å løse et problem;
• forstå hvordan man behandler dataene (augmentering og rensing) for å forbedre effektiviteten til nevrale nettverk;
• kjenne til forskjellige nettverksarkitekturer og i hvilke sammenhenger de er egnet;
• forstå den induktive skjevheten av lokalitet pålagt av konvolusjoner, implementeringen av disse i konvolusjonelle nevrale nettverk, og deres anvendelse på bildedata;
• forstå det veiledede læringsregimet;
• vite hvordan man anvender dyp læring for å løse problemer som avhenger av bildedata, som for eksempel bildegjenkjenning, bildesegmentering og objektgjenkjenning;
• ha erfaring med bruk av Pytorch;

I tillegg til generell studiekompetanse eller realkompetanse må du dekke spesielle opptakskrav:

• Matematikk R1 eller Matematikk (S1+S2)

De spesielle opptakskravene kan også dekkes med fag fra videregående opplæring før Kunnskapsløftet, eller på andre måter. Les mer om spesielle opptakskrav.

Det er anbefalt å ha god kunnskap om

• programmering, for eksempel fra IN2010;
• matematikk (kalkulus og lineær algebra), for eksempel fra MAT1110, og er også en fordel å ha tatt MAT1120;

Det er også anbefalt å ha kjennskap til applikasjoner relatert til bilder, for eksempel fra IN3370/IN2070.

2 timer forelesninger og 2 timer grupper per uke.

Emnet har obligatoriske oppgaver som må være godkjent for å kunne gå opp til eksamen. Les mer om krav til innlevering av oppgaver, gruppearbeid og lovlig samarbeid under retningslinjer for obligatoriske oppgaver.

Skriftlig eksamen (4 timer).

Alle obligstoriske oppgaver må være godkjent før du kan gå opp til eksamen.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: IN4310 – Deep Learning for Image Analysis, IN5400 – Maskinlæring for bildeanalyse (videreført), IN9400 – Maskinlæring for bildeanalyse (nedlagt). INF5860, INF9860