V današnjem tehnološko razvitemu svetu količina prosto dostopnih podatkov nenehoma narašča, njihova obdelava pa predstavlja čedalje večji izziv in zahteva avtomatizirane postopke. Računalniški vid in strojno učenje, še posebej globoko učenje, ponujajo odgovore na te zahteve, vendar večina predlaganih pristopov potrebuje označene učne podatke, kar posredno zahteva znatno količino dela za njihovo ročno označevanje, ki je naporno in včasih podvrženo napakam ali celo nemogoče. V predlaganem projektu bomo obravnavali izpostavljeno problematiko na področju odkrivanja anomalij na slikah z uporabo metod računalniškega vida. Naš namen je preseči tradicionalno nadzorovano učenje, kjer je potrebno označiti vse anomalije v učnih podatkih. Cilj predlaganega projekta je razviti nove metode globokega učenja za modeliranje kompleksne konsistentnosti in zaznavanje nekonsistentnosti v vizualnih podatkih z uporabo učnih slik označenih z različnimi nivoji natančnosti. Razvite metode nameravamo testirali na treh povezanih, vendar različnih, nalogah; to so vizualni pregled površin, oddaljeno zaznavanje in vizualni nadzor.

Delovni paketi:

Program dela bo razdeljen v sedem delovnih paketov (DP). Raziskave bodo potekale v okviru prvih petih paketov, ki bodo naslovili naslednje cilje projekta:

·Razvoj (šibko) nadzorovanih pristopov za detekcijo anomalij (DP1)Razvoj novega delno in samo-nadzorovanega učenja konsistence podatkov za detekcijo anomalij (DP2)

·Razvoj globokih generativnih kompozicionalnih modelov za detekcijo anomalij (DP3).

·Vodenje učnega procesa z upoštevanjem kognitivne relevance naučenih modelov (DP4).

·Prilagajanje razvitega učenja konsistence podatkov za detekcijo anomalij na tri problemske domene: (i) vizualni pregled, (ii) oddaljeno zaznavanje, (iii) video nadzor (DP5).

·Preostala paketa dela se nanašata na razširjanje rezultatov (DP6) in vodenje projekta (DP7).

Faze projekta:

·Leto 1: Aktivnosti v okviru delovnih paketov WP1, WP2, WP4, WP5, WP6, WP7

·Leto 2: Aktivnosti v okviru delovnih paketov WP2, WP3, WP4, WP5, WP6, WP7

·Leto 3: Aktivnosti v okviru delovnih paketov WP3, WP4, WP5, WP6, WP7

Mejniki:

·Po Letu 1: Šibko nadzorovano odkrivanje anomalij

·Po Letu 2: Delno nadzorovano odkrivanje anomalij

·Po Letu 3: Nenadzorovano odkrivanje anomalij