Projecten
Verkenning van de Venusatmosfeer door machine learning en open science ter voorbereiding op EnVision - VAMOS KU Leuven
België is de afgelopen decennia betrokken geweest bij verschillende planetaire ruimtemissies, met name naar Venus, verantwoordelijk voor of geassocieerd met instrumenten in de ruimte, of via observaties van de planeten vanaf de grond. Zo is het SOIR-instrument aan boord van de Venus Express ontworpen door het BIRA. Dankzij de in ons land ontwikkelde wetenschappelijke expertise werden dan ook verschillende reeksen gegevens over die opwindende ...
Unveiling the molecular coordination between the cell division machinery and S-layer biogenesis in Bacillus anthracis. Vlaams Instituut voor Biotechnologie
Visuele factoren om menselijke esthetische voorkeuren voor afbeeldingen te voorspellen: een “deep-learning” benadering op basis van “Fast Fourier Convolution” en “Vision Transformers” KU Leuven
Het belangrijkste doel van dit proefschrift is om een “deep-learning” model te ontwikkelen om menselijke esthetische voorkeuren voor beelden te voorspellen. Uitgangspunt is het bestaan van een “benchmark” dataset van voorkeuren, verzameld in een uitgebreide online studie met grote steekproeven van beelden van alledaagse scènes en schilderijen en grote steekproeven van waarnemers (verzameld door een PhD student in de psychologie, die ook werkt ...
Een modulair consistent, disciminatief kader voor gestructureerde 'output learning in computer vision'. KU Leuven
State-of-the-art computerzichtsystemen zijn fundamenteel afhankelijk van statistisch leren om de prestaties te optimaliseren op een specifieke toepassing. Momenteel zijn statistische kaders in computervisie meestal gebaseerd op classificatie
en regressie, probabilistische grafische modellen of discriminerende gestructureerde voorspellingskaders zoals de Gestructureerde Output Support Vector Machine (SOSVM). Hoewel sommige van de best ...
Duurzame realtime overstromingsmonitoring met behulp van het IoT en machine learning KU Leuven
Dit proefschrift onderzoekt hoe de Internet of Things (IoT)-technologieën kunnen worden gecombineerd met het oogsten van energie, nieuwe sensoren en netwerken met laag vermogen om overstromingen op landelijke locaties te detecteren en te bewaken. Het ingebouwde detectiesysteem dat deze gegevens verzamelt, wordt ondersteund door een reeks machine learning-modellen die overstromingen nauwkeurig kunnen voorspellen met voldoende aanlooptijd om de ...
Versnelling van machine learning op heterogene platforms KU Leuven
Vooruitgang op het gebied van biomedische sensoren, wearables en medische implantaten, in combinatie met state-of-the-art algoritmen van signaalverwerking, machine learning en kunstmatige intelligentie, transformeren het zorglandschap. Systemen die rond deze technologieën zijn gebouwd, maken gezondheidsmonitoring op afstand mogelijk, verbeteren de patiëntenzorg, detecteren levensbedreigende aandoeningen of voorspellen zelfs ...
Machine Learning methode om de efficiëntie van segmentatiecorrectie bij de planning van transkatheter hartinterventie te vergroten KU Leuven
De laatste tijd hebben deep learning-gebaseerde automatische medische beeldsegmentatiemodellen de klassieke algoritmen verbeterd met state-of-the-art prestaties. Hoewel deze algoritmen de menselijke prestaties kunnen evenaren op beelden van goede kwaliteit, zijn ze toch vatbaar voor fouten wanneer de beeldkwaliteit niet ideaal is. In beelden met een laag contrast, anatomische afwijkingen of een nieuw scanprotocol, bevat de output van deze ...
Geautomatiseerde beoordeling van dyskinesie vanuit video's bij kinderen met cerebrale parese gebruikmakend van markerless motion tracking en machine learning (AVI-DYS) KU Leuven
Het goed beoordelen van een bewegingsstoornis bij kinderen met dyskinetische cerebrale parese vraagt veel tijd en expertise. Het doel van de onderzoek is om een eenvoudige en betrouwbare manier van meten te ontwikkelen die gebruikt maakt van video’s van dagelijkse handelingen en kunstmatige intelligentie.
Zwak toezicht machine learning algoritmen voor objectherkenning in-the-wild en entiteit koppelen in video's KU Leuven
Door de snelle toename van videorijke data op het internet, is er een dringende nood aan zoekhulpmiddelen die niet enkel relevante video's uit een corpus kunnen terughalen, maar ook de relevante fragmenten binnen een video. Om relevante video’s te vinden steunen de huidige zoektechnologieën op arbeidsintensieve, handmatige annotatie van labels, die subjectief en vaak onvolledig zijn. Om zoeksystemen volledige te automatiseren, hebben we ...