Examensarbete, 30 hp: Generering av syntetisk IR-data för UAV-tillämpningar

Moderna generativa modeller för image-to-image translation har gjort det möjligt att översätta bilder mellan olika visuella domäner även när exakt parade träningsbilder saknas. Detta öppnar för möjligheten att använda stora mängder tillgänglig RGB-data för att generera syntetiska IR-bilder som kan användas vid träning av exempelvis objektdetektorer.

En central utmaning är att RGB-information inte entydigt bestämmer hur en scen ser ut i det termiska spektrumet. Syftet är därför inte nödvändigtvis att återskapa den fysiskt korrekta IR-bilden, utan att undersöka om syntetiskt genererad IR-data kan vara tillräckligt realistisk och strukturellt korrekt för att förbättra efterföljande datorseendeuppgifter.

Beskrivning av examensarbetet

Syftet med examensarbetet är att undersöka och utvärdera moderna metoder för RGB-till-IR-översättning, med särskilt fokus på UAV-data och unpaired image-to-image translation. Arbetet kan exempelvis jämföra metoder såsom CycleGAN-Turbo, CycleVAR och nyare termiskt anpassade generativa modeller.

En viktig del av arbetet är att utvärdera om den syntetiska IR-datan faktiskt förbättrar prestandan i en efterföljande uppgift, exempelvis objektdetektion. Existerande parade RGB-/IR-dataset kan användas på ett unpaired sätt under träning, samtidigt som den ursprungliga parningen behålls för utvärdering.

Exempel på forskningsfrågor

• Hur väl kan moderna generativa modeller översätta UAV-bilder från RGB till realistisk och strukturellt korrekt IR-data?

• Vilka metoder för unpaired RGB-till-IR-översättning lämpar sig bäst för UAV-data?

• I vilken utsträckning kan syntetiskt genererad IR-data förbättra prestandan i nedströms datorseendeuppgifter, exempelvis objektdetektion?

• Hur påverkas nyttan av syntetisk IR-data när tillgången till verklig IR-träningsdata är begränsad?

• Hur väl bevaras objekt, geometri och annoteringar vid översättning från RGB till IR, och hur påverkar detta prestandan i efterföljande modeller?

Din profil

Arbetet är lämpligt för 1-2 studenter med intresse för maskininlärning och datorseende.

Du/ni är i slutet av teknisk fysik- eller datorteknik-utbildning eller motsvarande och ska påbörja ett examensarbete om 30 hp. Erfarenheter av maskininlärning, datorseende och programmering är meriterande.

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

076-896 70 55

Simon Wold, Handledare

simon.wold@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.