Lectoraat Computer Vision & Data Science

Computer vision draait om de visuele perceptie van de wereld door het gebruik van beeldverwerkingsalgoritmen. Het doel is meestal om automatisch eigenschappen van objecten te analyseren in een groot aantal verschillende contexten. Deze faciliterende technologie heeft vele toepassingen: classificatie van ziekten en insecten in de landbouw, het tellen van bacteriekolonies in watermonsters, het optisch meten van de bloedstroom tijdens een operatie, het herkennen van polymeertypes met behulp van hyperspectrale cameratechnologie, het detecteren van afwijkingen in röntgenbeelden, het analyseren van verkeersgedrag om de veiligheid te verbeteren, dit zijn slechts enkele voorbeelden van de spannende toepassingen waaraan het lectoraat Computer Vision & Data Science (CV&DS) heeft gewerkt.  

Recente ontwikkelingen op het gebied van kunstmatige intelligentie (AI) laten zien dat leren van gegevens baanbrekende resultaten oplevert voor bijna alle toepassingen, met name op gebieden die erg moeilijk zijn, zoals computervisie, natuurlijke taalverwerking en audioverwerking. De belangrijkste ingrediënten die nodig zijn voor een succesvolle toepassing van AI zijn modellen, gegevens, menselijke hulpbronnen en veel rekenkracht.

Onderzoeksopdracht

Het lectoraat CV&DS loopt voorop in toegepast onderzoek in zijn vakgebied. Met meer dan twee decennia ervaring op het gebied van het helpen van bedrijven bij het integreren van beeldverwerking en AI in hun organisaties, blijven we onze belangrijkste missie volgen:

"Het delen en verbreden van de collectieve kennis over Artificial Intelligence en Computer Vision door middel van cutting-edge toegepast onderzoek door het oplossen van real-life uitdagingen in een team van studenten, docent-onderzoekers en bedrijven."

Onderzoeksfocus

Een sterke trend in de computerwetenschap die zich uitstrekt tot het gebied van kunstmatige intelligentie is de wet van Moore, die stelt dat het aantal transistors in een microchip elke twee jaar verdubbelt. Hieruit kan worden afgeleid dat de kosten voor rekenkracht afnemen en omdat de huidige vooruitgang van AI sterk afhankelijk is van de beschikbare rekenkracht, zorgt dit ervoor dat AI snel mee vooruitgaat.  

Sinds het ontstaan van computers heeft deze trend een verschuiving veroorzaakt in de manier waarop we praktische problemen benaderen. Waar in het verleden technische oplossingen werden gezocht in logisch gedefinieerde oplossingen door middel van programmering en op regels gebaseerde systemen, worden de problemen tegenwoordig beschreven in de vorm van geannoteerde gegevens en voorbeeldafbeeldingen of geschreven natuurlijke taal waarvan het AI-systeem leert of waarop de AI handelt.

Onderzoekslijnen

Het lectoraat richt zich op drie belangrijke onderzoeksthema's: kunstmatige intelligentie, computervisie en visionsystemen, zowel bij een overvloed aan gegevens als voor toepassingen die te maken hebben met een tekort aan gegevens.