Vitjan Zavrtanik je doktorski študent in mladi raziskovalec v Laboratoriju za umetne vizualne spoznavne sisteme na Fakulteti za računalništvo in informatiko UL. Na dnevu FRI 2020 je prejel posebno priznanje in nagrado za raziskovalno delo podiplomskih študentov za dva članka, ki sta nastala na podlagi njegovega raziskovalnega dela.

Članek A segmentation-based approach for polyp counting in the wild je bil objavljen v reviji Engineering applications of artificial intelligence, članek Reconstruction by inpainting for visual anomaly detection pa v reviji Pattern Recognition.

Z Vitjanom Zavrtanikom smo se pogovarjali o njegovih izkušnjah z doktorskim študijem na FRI in o raziskavah na področju računalniškega vida oz. zaznavanja anomalij na slikah.

Kako je pri tebi dozorela odločitev za doktorski študij?
V laboratoriju za umetne vizualne spoznavne sisteme sem sodeloval že kot študent druge stopnje. Izkušnje in znanja s področja računalniškega vida, ki sem jih pridobival med študijem in med delom v laboratoriju so mi omogočale pridobitev prakse v podjetju Amazon, kjer sem delal kot raziskovalec na področju računalniškega vida. Svoje znanje sem želel še poglobiti in s svojim raziskovalnim delom doprinesti k razvoju področja, zato sem se odločil za vpis v doktorski program. 

Kaj je tvoje raziskovalno področje?
Moje raziskovalno področje je računalniški vid, kjer se ukvarjam z detekcijo anomalij na slikah. Detekcija anomalij je področje, ki se ukvarja z iskanjem nekonsistentnosti v slikovnih podatkih. Eden izmed problemov, ki ga detekcija anomalij rešuje, je detekcija napak izdelkov na proizvodnih linijah. Med proizvodnjo se na izdelkih občasno pojavljajo napake. Zaposleni v proizvodnji preglejujejo izdelke in odkrivajo napake, vendar pa je taka ročna inšpekcija počasna in draga. Avtomatizacija tega postopka lahko pospeši proizvodnjo, vendar pa je problem avtomatske detekcije napak težek, saj lahko izgled napake variira, poleg tega pa je na voljo le malo primerov napak, na katerih lahko naučimo model računalniškega vida. 

S čim se trenutno ukvarjaš kot mladi raziskovalec?
Trenutno se ukvarjam z nenadzorovanimi metodami detekcije anomalij. Cilj nenadzorovanih metod detekcije anomalij je učenje vizualnega modela slikovnih podatkov in detekcija odstopanj od naučenega modela. To nam omogča učenje modelov za detekcijo napak na izdelkih brez uporabe dejanskih primerov napak, saj se nenadzorovane metode za razliko od nadzorovanih ne naučijo izgleda anomalij, temveč detekcija napak bazira na odstopanju od naučenega vizualnega modela normalnosti.

V letu 2020 si na Dnevu FRI prejel posebno nagrado za raziskovalno delo za dva članka. S čim se ukvarjaš v članku A segmentation-based approach for polyp counting in the wild? Kaj so najbolj zanimivi zaključki?
Članek je nadaljevanje mojega magistrskega dela, v katerem sem se ukvarjal z detekcijsko metodo za štetje polipov meduz na podvodnih slikah. Nekatere informacije o razvoju populacije meduz v regiji se lahko pridobi iz števila polipov meduz. Področja, kjer se nahajajo polipi, se slika, polipe pa se nato ročno prešteje, vendar je zaradi visokega števila polipov in slik štetje dolgotrajno. Metoda, ki je predstavljena v članku, avtomatizira in pohitri ta dolgotrajen proces. Rezultat je splošna metoda za detekcijo in štetje majhnih objektov na podlagi segmentacije. Implementacija metode in uporabniškega vmesnika je prosto dostopna in omogoča preprosto označevanje podatkov, učenje novih modelov na drugih podatkovnih množicah in seveda štetje objektov na slikah.
 

Kaj pa raziskuješ v članku Reconstruction by inpainting for visual anomaly detection? Kako so izsledki uporabni v praksi?
Ta članek je bolj povezan z mojim tretnutnim raziskovalnim področjem in se ukvarja z nenadzorovano detekcijo anomalij. Predstavljena je rekonstrukcijska nevronska mreža, ki je na slikah brez anomalij naučena rekonstrukcije slik z uporabo vrisovanja. Ker anomalij med učenjem ni videla, je njena rekonstrukcijska sposobnost omejena na rekonstrukcijo le pravilnih slik brez anomalij. Anomalije se lahko zazna preko primerjave vhodne slike in njene rekonstrukcije, ki anomalije ne bo vsebovala. Metoda se lahko v praksi uporabi v problemih iskanja napak na izdelkih.

Kaj si želiš početi po študiju?
Ker je do mojega zaključka študija še kar nekaj časa, je na to težko odgovoriti, vendar bi si želel uporabiti pridobljeno znanje za reševanje praktičnih problemov in za razvoj novih metod računalniškega vida. 

Kaj bi svetoval vsem, ki se odločajo o nadaljevanju študija na FRI na doktorski ravni?
Svetoval bi, da se vpišejo na doktorski študij tisti, ki jih področje, na katerem bodo delovali, resnično zanima, saj je v svoje raziskovalno delo potrebno vložiti zelo veliko količino dela. Opravljati delo, ki te resnično zanima, ni težko.