Bildanalys för att detektera mängden vägdamm

Roadroid AB

IT

               Titel
Bildanalys för att detektera mängden vägdamm
               Exjobbeskrivning
15p examensarbete för en eller två studenter.
Nyckelord: neurala nätverk, maskininlärning, ”transfer learning”, bildanalys.
Start-slut: Tio veckor under hösten 2018 

               Bakgrund
Roadroid AB är ett litet innovativt företag som arbetar globalt. Företaget har ett system som mäter vägkvalitet genom en app som använder data från en smartphones accelerometer. Appen fångar även bilder (eller video) ännu enbart för visuell dokumentation/tolkning. Under 2018 har ett ramverk för att analysera bilder utvecklats, men som behöver utvecklas och förfinas.
Flera stora IT-aktörer har släppt verktyg och algoritmer för maskininlärning. Dessa verktyg och tjänster har slagit igenom på allvar och ingår numera även i många SDK:er. Open source varianter finns och befintliga lösningar kan tränas till att lösa nya problem utan träning via stora dataset.
Exempelvis Googles TensorFlow och Inception V3 modell med sk. ”transfer Learning” där en modifierad bildanalys kan tas fram utan att ”deep learning” behövs. Exempel: https://www.tensorflow.org/tutorials/image_retraining 

               Uppdragsbeskrivning
Examensarbetet ska utveckla en funktion för att anlysera förekomst av vägdamm (från grusvägar) i bilder som fångats med en bakåtriktad kamera från bilen. Om det finns problem med damm så dras det upp av fordonet vilket avbildas tydligt i bilder bakom fordonet. En människa klarar enkelt av att avgöra olika nivåer av vägdamm i sådana bilder. Roadroid har idag infört en enklare form av analys som till viss del klarar uppgiften. 
Uppgiften ska först undersöka olika mjukvaror (maskininlärnings-API:er) och modeller om de är lämpliga för Roadroids behov via ”transfer learning”. Se tex. https://deeplearning4j.org/compare-dl4j-tensorflow-pytorch. Resultatet ska jämföras mot traditionell bildanalys. 
Roadroid vill veta svar på frågor om till exempel:
    • Kan något av ovanstående ramverk användas till att detektera mängden vägdamm i en bild? 
    • Är precisionen tillräcklig?
    • Kan annan metadata användas tillsammans i bildanalysen?
    • Kan ett bättre resultat uppnås med traditionell bildanalys (ej AI)?
    • Kan bilden mjukvarumässigt ”maskas av” för att analysera dammförekomst?
Efter genomförd analys av förutsättningar ska examensarbetet ha utvecklat en funktion som testas och utvärderas i Roadroids ramverk för bildanalys. Kunskaper i Python och C# är nödvändiga i arbetet.
Roadroid har idag ett antal bilder med dammförekomst, men det kan finnas behov av att samla in fler för att testa systemet och körkort kan behövas.
Arbetet inleds med en introduktion och för att sätta sig in i de förutsättningar och gränssnitt som finns i befintligt system. Arbetet behöver sedan genomföras med egen drivkraft och handledarens stöd.

               Målsättning
En bildanalysfunktion som i befintligt ramverk klarar att analysera bilder bättre än den enkla funktion som redan finns.

               Ersättning
Utgår om 10.000 kr per person vid två examensarbetare och 15.000 kr för en examensarbetare efter slutfört och godkänt examensarbete som nått målet.
En bonus utgår om 5.000 kr person om arbetet utförs med starkt engagemang och målet tydligt överträffas.


Sista ansökningsdag
2018-10-01
Genomförs
Löpande
Kontakt
...
Notera att sista ansökningsdag passerats