View Project

Norwegian AI Directory

Transforming ocean surveying by the power of DL and statistical methods


Description:

Utviklingen av stadig mer effektive datamaskiner har gjort det mulig å analysere og utnytte store datamengder i sann tid. Dette har ført til mange nye hjelpemiddel i hverdagen som for eksempel selvkjørende biler, beslutningsstøtte for leger, og smarttelefoner. Alt dette er eksempler på bruk av kunstig intelligens hvor målet ofte er å trekke ut og klassifisere viktige elementer fra store datamengder. Hovedformålet med prosjektet er å forbedre forståelsen av kunstig intelligens ved bidrag både fra statistiske metoder og Dyp læring. Dyp læring er en læreprosess der man trener opp en algoritme ved hjelp av nevrale nettverk. Dette er sentralt innen maskinlæring for utvikling av kunstig intelligens. Anvendelsen i dette prosjektet er gjenkjenning og klassifisering av ulike objekter fra bilder, videofilmer og lydbølger (akustiske data). Presise estimater av usikkerheten knyttet til gjenkjenning og klassifisering er et viktig delmål. Dette forsøker vi å oppnå ved å studere viktige mekanismer i Dyp Læring-metodikken. De nye løsningene vil gi mer pålitelige og nøyaktige modeller, redusere usikkerhet, og gi mer tolkbare modeller som lettere kan overføres til andre områder. Prosjektet vil samarbeide med de to bedriftene Argeo AS og Multiconsult AS, som begge blant annet jobber med overvåkning og kartlegging av havbunnen. Det tas sikte på å utvikle metoder som kan gjenkjenne og klassifisere objekter på havbunnen med bedre sikkerhet og nøyaktighet enn tidligere. Vi vil studere både store og små objekter som for eksempel tapt fiskeriutstyr, havbunnstyper, større planter og dyr eller ørsmå objekter, som f.eks. mikroplast og smådyr i bunnsedimentene. Et mål er å utvikle treffsikre algoritmer som automatiserer kartlegging og overvåkning av havbunnen. Lykkes vi, vil dette kunne bidra til en betydelig raskere og billigere måte å samle inn data på. Det vil igjen styrke kvaliteten på resultatene og bidra til bedre forvaltning av havbunnen.


Project leader: Fred Godtliebsen

Started: 2022

Ends: 2026

Category: Universiteter

Sector: UoH-sektor

Budget: 11988995

Institution: UNIVERSITETET I TROMSØ NORGES ARKTISKE UNIVERSITET

Address: NA