STØTTERADAROffentlig finansiering
Profesjonell tilgangLogg inn
Meny

Anonymisering og matching av kjøretøybilder med ML/DL

Godkjent SkatteFUNN-prosjektMottakerSIGNATUR ITS ASProsjekt-ID285813
Godkjent SkatteFUNN-prosjektBeløp ikke publisertKilden publiserer ikke beløp per prosjektPer prosjekt · SkatteFUNN / Norges forskningsråd

Godkjenningen dokumenterer en skattefradragsordning, men kilden publiserer ikke faktisk skattefradrag per prosjekt.

Prosjektopplysninger

Prosjektperiode
Instrument
Skatte-/avgiftsfordel
Vedtaksdato
Program/aktivitet
SkatteFUNN
Prosjekttype
SkatteFUNN-prosjekt
Kommune
Kongsvinger
Fylke
Innlandet

Offentlig prosjektsammendrag

Prosjektet vil ta i bruk kunstig intelligens, såkalt maskinlæring/dyplæring (ML/DL), for å bedre metoden for automatisk gjenkjenning av kjøretøy basert på bilder. ML/DL er en teknologi som etteraper hvordan den menneskelig hjernen fungerer (nevralt nett). Teknologien er benyttet med svært gode resultater f.eks. innenfor ansiktsgjenkjenning. Alle som er aktive på Facebook vil ha oppdaget hvor bra teknologien er til å gjenkjenne personer på bilder. Prosjektet er basert på open-source programvare for maskinlæring/dyplæring som er utviklet av IKT-giganter som Google. Teknologien som er gjort åpent tilgjengelig er imidlertid ikke klar til bruk på konkrete oppgaver, men er kunnet et rammeverk og et utgangspunkt for egen utvikling og tilpasning. De såkalte ML/DL-algoritmene må trenes opp for å kunne "forstå" og utføre konkrete oppgaver. Det kreves store mengder treningsdata (eksempler) for å få algoritmene til å fungere godt. Når ML/DL skal benyttes innen bildebehandling og kjøretøygjenkjenning, er det påkrevet å ta behørlig hensyn til personvernet. Prosjektet innholder derfor også utvikling av metode for automatisk anonymisering av kjøretøybilder.

Kilde og proveniens

KILDEFAKTUM

SkatteFUNN publiserer prosjektidentitet, periode, eier og godkjenningsstatus uten prosjektbeløp.

Åpne prosjektet i Prosjektbanken
RADAR-NORMALISERING

Mottaker kobles med organisasjonsnummer. Program og prosjektidentitet forblir kildeavgrenset.

DEKNINGSGRENSE

Ikke publisert er en egen tilstand og betyr verken null eller ukjent utbetaling.