< Terug naar vorige pagina

Project

Onzekerheid in deep learning-modellen met toepassing op teledetectie

Onzekerheid in deep learning-modellen met toepassing op teledetectie Voortbouwend op state of the art deep learning architecturen voor aardobservatiedata, zullen we een geoptimaliseerde leerpijplijn ontwikkelen voor hyperspectrale beeldvorming. Equivariante data augmentatie strategieën zoals elastische vervormingen van de input beelden en geassocieerde labels zullen gebruikt worden om problemen met betrekking tot schaarse data annotaties te mitigeren. We zullen deze leerarchitectuur verrijken met robuuste onzekerheidsschattingen.

Datum:22 mrt 2021 →  18 mrt 2022
Trefwoorden:Machine Learning
Disciplines:Patroonherkenning en neurale netwerken
Project type:PhD project