Intelligent Vision Systems Group
"Unser Ziel ist es, die KI-, Deep Learning- und Machine Learning-Forschung methodisch voranzutreiben und gleichzeitig maßgeschneiderte Lösungen für Anwendungen in der Praxis zu entwickeln, die dem technologischen Fortschritt und ebenso der Menschheit zu Gute kommen."
Expertise
- Maschinelles Sehen
- Produktive ML Systeme (MLOps)
- Vertrauenswürdige und zertifizierbare KI
Wir forschen in erster Linie im Bereich des maschinellen Sehens, basierend auf 2-, 3- oder 4-D-Bild- oder Videodaten, um Klassifizierungs-, Objekterkennungs- oder andere visuelle Aufgaben zu lösen. Hierzu entwickeln wir hochmoderne viellagige neuronale Netzwerk-Architekturen. Wir sind besonders an neuesten Entwicklungen einschließlich Vision Transformers und sog. Gauge-equivariant Architekturen interessiert. Zu unseren Anwendungsfeldern gehören unter anderem industrielle Qualitätskontrolle, medizinische Bildgebung und Diagnose (Computertomographie) sowie Beobachtungsdaten von Erde (Satelliten) und Himmel (Radioastronomie). Wir interessieren uns auch für hybride Ansätze der KI sowie für geometrisches Deep Learning. Unser zweites Hauptinteresse gilt MLOps, was ein Oberbegriff für Verfahren zum Aufbau vollständiger, produktionsreifer und skalierbarer Systeme für maschinelles Lernen ist. Schließlich interessieren wir uns für Methoden zur Entwicklung sicherer, vertrauenswürdiger und zertifizierbarer KI-Systeme, die den aktuellen und künftigen Rechtsvorschriften entsprechen.
Angebote
- Einblick: Keynotes, Trainings
- KI-Beratung: Workshops, Expertenunterstützung, Beratung, Technikfolgenabschätzung
- Forschung und Entwicklung: kleine bis grosse Forschungsprojekte, Drittmittelforschung, studentische Projekte, praxiserprobte Prototypen
Team
Projekte
-
certAInty – A Certification Scheme for AI systems
Certification of AI Systems by an accredited body increases trust, accelerates adoption and enables their use for safety-critical applications. We develop a Certification Scheme comprising specific requirements, criteria, measures, and technical methods for assessing Machine Learning enabled Systems. ...
-
OSR4H – Open Set Recognition for Hematology
Development of a Proof of Concept for visual Open Set Recognition (OSR) algorithms applied to a Hematology task, the classification of white blood cells.
-
AC3T – AI powered CBCT for improved Combination Cancer Therapy
The project enables a novel, combined, adaptive cancer therapy combining tumor treating field and radiation therapy due to significantly improved static (3D) and time-resolved (4D) low dose Cone Beam Computer Tomography images based on artificial intelligence image reconstruction algorithms. ...
-
Square Kilometre Array: Simulierte astronomische Beobachtungen durch generative Deep Learning
In diesem Projekt verwenden wir generative Deep Learning-Methoden (GANs und VAEs), um simulierte astronomische Beobachtungen von astrophysikalischen Objekten zu erzeugen, wie sie mit dem Square Kilometre Array Telescope (SKA) beobachtet werden sollen. Dieses Projekt trägt zu den schweizweiten Aktivitäten ...
-
DIR3CT: Deep Image Reconstruction through X-Ray Projection-based 3D Learning of Computed Tomography Volumes
Project DIR3CT aims at improving the image quality of CBCT images by deep learning (DL) the 3D reconstruction from X-ray images end-to-end. This enables a novel CBCT product to be used during radiation therapy and will allow the use of these images for adaptive treatment.
Publikationen
- Seite 01
- Seite 02
- Seite 03
- Seite 04
- Nächste Seite
-
Weng, Joanna; Denzel, Philipp; Reif, Monika Ulrike; Schilling, Frank-Peter; Billeter, Yann; Frischknecht-Gruber, Carmen; Brunner, Stefan; Chavarriaga, Ricardo; Repetto, Marco; Iranfar, Arman,
2024.
Certification scheme for artificial intelligence based systems [Paper].
In:
34th European Safety and Reliability Conference (ESREL), Cracow, Poland, 23-27 June 2024.
ZHAW Zürcher Hochschule für Angewandte Wissenschaften.
Verfügbar unter: https://doi.org/10.21256/zhaw-30549
-
Billeter, Yann; Denzel, Philipp; Chavarriaga, Ricardo; Forster, Oliver; Schilling, Frank-Peter; Brunner, Stefan; Frischknecht-Gruber, Carmen; Reif, Monika Ulrike; Weng, Joanna,
2024.
MLOps as enabler of trustworthy AI [Paper].
In:
11th IEEE Swiss Conference on Data Science (SDS), Zurich, Switzerland, 30-31 May 2024.
ZHAW Zürcher Hochschule für Angewandte Wissenschaften.
Verfügbar unter: https://doi.org/10.21256/zhaw-30443
-
Denzel, Philipp; Brunner, Stefan; Billeter, Yann; Forster, Oliver; Frischknecht-Gruber, Carmen; Reif, Monika Ulrike; Schilling, Frank-Peter; Weng, Joanna; Chavarriaga, Ricardo; Amini, Amin; Repetto, Marco; Iranfar, Arman,
2024.
Towards the certification of AI-based systems [Paper].
In:
11th IEEE Swiss Conference on Data Science (SDS), Zurich, Switzerland, 30-31 May 2024.
ZHAW Zürcher Hochschule für Angewandte Wissenschaften.
Verfügbar unter: https://doi.org/10.21256/zhaw-30439
-
Amirian, Mohammadreza; Barco, Daniel; Herzig, Ivo; Schilling, Frank-Peter,
2024.
Artifact reduction in 3D and 4D cone-beam computed tomography images with deep learning - a review.
IEEE Access.
Verfügbar unter: https://doi.org/10.1109/ACCESS.2024.3353195
-
Jenny, David F.; Billeter, Yann; Sachan, Mrinmaya; Schölkopf, Bernhard; Jin, Zhijing,
2023.
Navigating the ocean of biases : political bias attribution in language models via causal structures.
arXiv.
Verfügbar unter: https://doi.org/10.48550/arXiv.2311.08605