Onderzoekseenheid (SVO)

Onderzoeksgroep Artificiële Intelligentie en Sparse Modellering

Acroniem
GAIM
Overige informatie
Onderzoeksdisciplines
  • Engineering and technology
    • Biomedical image processing
    • Computer vision
    • Image and language processing
    • Interactive and intelligent systems
    • Pattern recognition and neural networks
    • Data visualisation and imaging
Omschrijving
Onderzoeksgroep Artificiële Intelligentie en Sparse Modellering (GAIM) is onderdeel van de vakgroep Telecommunicatie en Informatieverwerking van de Universiteit Gent. Het onderzoek van GAIM bevindt zich op het snijvlak van machine learning, signaalverwerking en informatietheorie. We streven naar de ontwikkeling en integratie van innovatieve algoritmen voor de analyse van hoog-dimensionale data, onder andere voor patroonherkenning, classificatie en anomaliedetectie in multimodale gegevens, reconstructie van signalen en beelden uit onvolledige en/of beschadigde gegevens en gevolgtrekking onder onzekerheid. De voornaamste onderliggende concepten omvatten het zoeken van efficiënte representaties van hoog-dimensionale data (zogenaamd sparse coding), deep learning, stochastische modelering en Bayesiaanse redenering. GAIM heeft een stevige expertise in hiërarchische representaties van signalen en beelden (wavelet-gebaseerde representaties en uitbreidingen), sparse coding, compressed sensing, statistische beeldmodellering, probabilistische grafische modellen zoals Markov Random Velden en in Bayesiaanse detectie- en estimatietechnieken in het algemeen. De toepassingsgebieden van dit onderzoek zijn onder meer in machinevisie, biomedische verwerking, remote sensing, computergrafiek en kunstonderzoek. De onderzoeksgroep heeft een sterke internationale reputatie opgebouwd op het gebied van de analyse en verwerking van hoog-dimensionale data. Onze belangrijkste resultaten omvatten restauratie, classificatie en anomaliedetectie in multimodale en hyperspectrale beelden, compressed sensing van medische beelden en analyse van gedigitaliseerde schilderijen. Het huidige onderzoek richt zich grotendeels op de classificatie en clustering van massieve data, optimalisatie van neurale architecturen (o.a. optimalisatie van convolutionele neurale netwerken), diepe generatieve modellen (variationele autoencoders) en het uitbreiden van deep learning-modellen naar niet-Euclidische domeinen (bv. voor data gerepresenteerd door een graaf of een mesh). Op het vlak van onderwijs, geeft GAIM drie mastervakken aan de Faculteit Ingenieurswetenschappen en Architectuur: Artificiële Intelligentie, Computergrafiek en Probabilistische Grafische Modellen. GAIM is lid van het onderzoeksinitiatief UGent.AI (binnen de Flanders AI Research Programma van de Vlaamse overheid) en van de valorisatieconsortia HyCT en iKNOW. Met betrekking tot een bredere nationale en internationale context, coördineert GAIM een UGent-VUB Alliance Research Group International Big Data Analytics Lab (iBDL) dat deel uitmaakt van de International Research Group on Big Data (tussen de Universiteit Gent, Vrije Universiteit Brussel, University College London en Duke University). GAIM is ook een van de oprichters van het internationale onderzoeksnetwerk Turning Images into Value through Statistical Parameter Estimation, en is al jarenlang medeorganisator van gereputeerde iTWIST-workshopseries (interacties tussen datamodellen met lage complexiteit, zoals sparse of low-rank datamodellen en nieuwe sensortechnieken). GAIM vervult ook een belangrijke rol op het gebied van informatieverwerking in kunstonderzoek, ook als jarenlange medeorganisator van IP4AI (Image Processing for Art Investigation) workshops. Naast het engagement in de technische comités van IEEE, neemt GAIM een actieve rol in de Europese sectie van IEICE voor samenwerking tussen Japan en Europa, als jarenlange medeorganisator van IEICE Information and Technology Forum.