Examensarbete: Computer vision ML for hierarchical classification

Examensarbetet görs tillsammans med ett hållbarhetsföretag och handlar om att förbättra statistiken över produkter som kommer in till en återvinningsanläggning. Med en produktkatalog, manuellt märkta data och stora mängder omärkta kamerabilder som underlag ska datorseende användas för automatisk produktidentifiering. Fokus ligger på skalbar klassificering, från produktkategori till enskild SKU, även när produkterna är visuellt mycket lika.

Uppgiften

• Utveckla en pipeline för automatisk produktklassificering och statistikinsamling från bilder av inkommande produkter.
• Undersöka hur klassificeringens noggrannhet förändras när antalet produktklasser ökar.
• Utvärdera om hierarkisk klassificering, där produkttyp och sedan varumärke identifieras, förbättrar identifieringen av enskilda SKU:er.
• Jämföra datorseendemodeller, arkitekturer och hyperparameterinställningar med avseende på prestanda, robusthet och skalbarhet.

Vi söker dig som

• Masterstudent inom datavetenskap, datateknik, teknisk fysik, data science, maskininlärning, artificiell intelligens eller ett närliggande ämne.
• Erfarenhet av datorseende, AI och maskininlärning.
• Planerad examen 2027.
• Förmåga att arbeta självständigt, analysera problem och hitta lösningar.
• Flytande svenska och engelska.
• Kunskaper i PyTorch, finjustering av modeller och molnteknik är meriterande.

Vi erbjuder

• Tillgång till en produktkatalog, manuellt annoterade produktdata och en omfattande bildsamling från verklig drift.
• En arbetsmiljö som betonar nyfikenhet, samarbete och viljan att utmana etablerade arbetssätt.
• Möjlighet att publicera det färdiga arbetet och använda det i din egen portfölj. Arbetet kan även användas i företagets marknadsföring.

Praktiskt

Placering på kontoret i Stockholm eller Uppsala. Start i januari 2027; exakt datum meddelas senare. Ansök via företagets karriärsida med CV och personligt brev. Angiven sista ansökningsdag är 29 oktober 2026, vilket har passerat. Frågor besvaras av Marla Touma på marla.touma@knightec.se.