hh.sePublications
EnglishSvenskaNorsk
Change search
ExportLink to record
Permanent link

Direct link
BETA

Project

Project type/Form of grant
Project grant
Title [sv]
DIFFUSE: Uppdelning av funktioner för användning i systematisk utvärdering
Title [en]
DIFFUSE: Disentanglement of Features For Utilization in Systematic Evaluation
Abstract [sv]
Syfte och mål: Att träna och validera maskininlärningsbaserade metoder kräver i allmänhet stora dataset. Dessa dataset kan dessvärre endast approximera verkligheten och är i många fall inte applicerbara globalt. Det vill säga att data som samlats in på en plats på Jorden inte tvunget måste vara representativt överallt.DIFFUSE projektets ambition är att utveckla metoder för generering av data, som möjliggör en ökad kontroll av vad dataseten innehåller och i förlängning vad de validerar.Förväntade effekter och resultat:En utmaning som kvarstår vid generering av dataset är att skapa en bra kombination av realism, kontroll och variation. Vi föreslår i DIFFUSE projektet en förbättring av befintliga algoritmer för datagenerering genom att vidareutveckla deras förmåga att dela upp features i indatan. Det vill säga att om man ändrar en specifik del av indatan bör en specifik förståelig del av utdatan förändras. Detta har applikationer inom att öka förståelsen för vad ett genererat dataset innehåller och då kunna ge en klarare bild av vilka situationer ett nätverk evaluerat med det det kan förväntas fungera.Upplägg och genomförande:Projektet är planerat mellan 01-04-2022 och 31-03-2024. Arbetet delas upp i fem arbetspaket: Administration & Dissemination, Uppdelning av Features, Autentisering, Datagenerering, Utvärdering.
Abstract [en]
Purpose and goal: Training and validating machine learning based methods will commonly require large datasets. These datasets can, unfortunately, only approximate reality and are in many cases not globally applicable.That is data collected in one place on earth may not necessarily be representative globally. The ambition of the DIFFUSE project is to develop methods for generation of data to allow for an increased control of what datasets contain and by extension what they validate.Expected results and effects:One challenge that still remains in generation of datasets is to create a good combination of realism, control and variation. In the DIFFUSE project we propose an improvement of current algorithms for data generation by developing their ability to disentangle features in the input. That is to say a specific part of the input should control a specific and understandable part of the output data. This has applications in increasing the understanding of what a generated dataset contains to give a clearer picture of what situations a network trained on it could be expected to work.Approach and implementation:The project is planned between 01-04-2022 and 31-03-2024. The work is divided into five work packages: Administration & Dissemination, Feature Disentanglement, Authentication, Data Generation and Evaluation.
Principal InvestigatorTorstensson, Martin
Co-InvestigatorAlonso-Fernandez, Fernando
Co-InvestigatorEnglund, Cristofer
Coordinating organisation
RISE - Research Institutes of Sweden (2017-2019) (Closed down 2019-12-31)
Funder
Period
2022-04-01 － 2024-03-31
National Category
Computer and Information Sciences
Identifiers
DiVA, id: project:3104Project, id: 2021-05038_Vinnova

Search in DiVA

Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
v. 2.47.0
|
WCAG
|
Halmstad University Library
|
Info for students
|
Info for researchers
|
Log in