ET2635 - Datorseende - Blekinge Tekniska Högskola

1. Beslut

Denna kurs är inrättad av dekan 2024-06-26. Kursplanen är fastställd av prefekten vid institutionen för matematik och naturvetenskap 2026-02-16 och gäller från 2026-02-16.

2. Förkunskapskrav

För tillträde till kursen krävs 6 avklarade hp i maskininlärning. Engelska 6.

3. Syfte och innehåll

3.1 Syfte

Kursen syftar till att ge studenterna avancerade kunskaper och praktisk kompetens inom datorseende, särskilt inlärningsbaserade (djupinlärning) metoder. Studenterna lär sig hur visuell information bildas, representeras och bearbetas samt hur man designar, implementerar och utvärderar pipelines för datorseende i verkliga tillämpningar relevanta för maskininlärning, sensorer och system.

3.2 Innehåll

Bildbildning och visuell sensorik, till exempel kameramodeller, färgrymder, brus, sampling
Klassiskt datorseende och representation, till exempel detektion och beskrivning av särdrag, geometrisk inpassning
Grunder i djupinlärning för datorseende, till exempel CNN:er, optimering, regularisering, transferinlärning
Representationsinlärning och arkitekturer till exempel självövervakad och kontrastiv inlärning, vision transformers
Centrala uppgifter inom datorseende till exempel bildklassificering, objektdetektion och spårning, semantisk segmentering och instanssegmentering
Utvärdering, robusthet och etik, till exempel mått och benchmarks, modellrobusthet och domänförskjutning, bias, rättvisa och integritet i system för datorseende

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter genomförd kurs ska studenten kunna:

förklara centrala problemformuleringar inom datorseende och de antaganden som ligger till grund för klassiska och inlärningsbaserade metoder.
redogöra för de viktigaste designvalen i djupinlärningsbaserade system för datorseende.
förklara vanligt förekommande utvärderingsmått och experimentella protokoll för centrala uppgifter inom datorseende.

4.2. Färdighet och förmåga

Efter genomförd kurs ska studenten kunna:

implementera och validera grundläggande algoritmer för datorseende i ett reproducerbart programvaruflöde.
träna, felsöka och utvärdera djupa neurala nätverk för uppgifter inom datorseende med moderna verktyg, samt tillämpa transferinlärning när det är lämpligt.
designa en fullständig pipeline för datorseende för en given tillämpning, inklusive datasethantering, modellval, utvärdering samt rapportering av resultat och begränsningar.
kommunicera tekniska val och resultat tydligt i skriftlig och muntlig form, inklusive kvantitativa jämförelser och ablationsbaserat resonemang.

4.3. Värderingsförmåga och förhållningssätt

Efter genomförd kurs ska studenten kunna:

kritiskt granska vetenskaplig litteratur och implementeringar inom datorseende med avseende på antaganden, validitet, robusthet och reproducerbarhet.
välja metoder som är lämpliga utifrån tillämpningens begränsningar och motivera valen.
reflektera över etiska, rättsliga och samhälleliga implikationer av system för datorseende, inklusive integritetsrisker och potentiell bias.

5. Läraktiviteter

Undervisningen består av flera lärandeaktiviteter, såsom föreläsningar, laborationer, uppgifter och projekt.

6. Bedömning och examination

Examinationsmoment för kursen

Kod	Benämning	Omf.	Betyg
2610	Salstentamen [1]	3 hp	AF
2620	Laboration	1 hp	GU
2630	Projekt	2 hp	AF

[1] Bestämmer kursens slutbetyg vilket utfärdas först när samtliga moment godkänts.

Kursen bedöms med betygen A Utmärkt, B Mycket bra, C Bra, D Tillfredställande, E Tillräckligt, FX Underkänd, något mer arbete krävs, F Underkänd.

Examinator har möjlighet att muntligen följa upp skriftliga examinationer.

I kurstillfällets information inför kursstart framgår i vilka examinationsmoment som kursens lärandemål examineras samt gällande bedömningsgrunder.

Examinator kan, efter samråd med högskolans FUNKA-samordnare, fatta beslut om anpassad examinationsform för att en student med varaktig funktionsvariation ska ges en likvärdig examination jämfört med en student utan funktionsvariation.

7. Kursvärdering

Kursvärdering ska göras i enlighet med BTH:s beslut om frågeställning i kursvärderingar och beslut om process för hantering och uppföljning av kursvärderingar.

8. Begränsningar i examen

Kursen kan ingå i examen men inte tillsammans med annan kurs vars innehåll, helt eller delvis, överensstämmer med innehållet i denna kurs.

9. Kurslitteratur och övriga lärresurser

Material från institutionen.