SRP-Onderzoekszwaartepunt: Zelf-lerende signaal- en dataverwerkingssystemen

Er komt nog steeds een overvloed aan nieuwe sensorapparaten op de markt. De sensortypes zijn zeer divers, variërend van kleine apparaten met één modaliteit tot complexe sensoren die grote hoeveelheden multisensoriële hoogdimensionale datasets produceren. Bovendien hebben deze sensoren de neiging om steeds meer in een gedistribueerde omgeving te werken. Individuele of arrays van visuele sensoren maken het mogelijk om de 3D-wereld op een steeds completere manier waar te nemen met een rijke verscheidenheid aan multimodale apparaten zoals RGB-camera's, dieptecamera's, plenoptische camera's, thermische camera's of LIDAR, om er maar een paar te noemen. Tegelijkertijd hebben kunstmatige intelligentie en bijbehorende deep learning-technologieën het volwassenheidsniveau bereikt, ondersteund door de toenemende hoeveelheid rekenkracht en beschikbaarheid van gespecialiseerde hardware. In dit project willen we deze twee werelden samenvoegen door geavanceerde signaalverwerkingssystemen te ontwerpen die klassieke, meer signaalmodelgestuurde benaderingen combineren met interpreteerbare, zelflerende technologieën om de prestaties van de signaal- en gegevensverwerking in veel toepassingen te verbeteren. De belangrijkste beoogde toepassingsdomeinen zijn: gezondheid, industrie 4.0, milieu, stads- & aardobservatie (inclusief meteorologie en klimatologie) en immersieve en sociale media.