Fast uncertainty estimation in deep learning applied to object recognition in sonar images

I dagens samfunn øker mengden av data raskt, samtidig som datamaskinene har blitt stadig mer effektive og nå kan analysere og utnytte slike store datamengder i sann tid. Dette har ført til mange nye hjelpemiddel i hverdagen som for eksempel selvkjørende biler, beslutningsstøtte for leger, automatisk talegjenkjenning i TV, datamaskiner og smarttelefoner. Alt dette er eksempler på bruk av kunstig intelligens hvor målet er å trekke ut og klassifisere viktige elementer fra store datamengder. Hovedformålet med dette Forskningsråds-prosjektet «Raske usikkerhetsberegninger innen dyp læring avvendt til objekt-gjenkjenning i sonarbilder», er å beregne usikkerheter for dyp-lærings algoritmer og vise hvordan de kan være nyttige innen overvåking av havbunnen, både for sivile og militære formål. Forskningen er et samarbeid mellom Forsvarets forskningsinstitutt (FFI), UiT og bedriftene Argeo og Multiconsult. Prosjektet er en utvidelse og forsterking av det pågående Forskningsrådsprosjektet «Transforming ocean surveying by the power of DL and statistical methods» som er et samarbeid mellom UiT og næringslivet (Multiconsult og Argeo), der formålet er å klassifisere objekter på havbunnen bedre, ved bruk av kunstig intelligens. Troverdige usikkerhetsberegninger, knyttet til klassifisering av objekter, er svært relevante i forhold til undersøkelser som Forsvarets forskningsinstitutt utfører. Det kan for eksempel være snakk om å uskadeliggjøre/fjerne gamle miner og bomber på havbunnen. Prosjektet vil bruke såkalt Bayesiansk dyp lærings-metodikk og nevrale nettverk få å gjøre i disse usikkerhets-beregningene raskere. I tillegg vil vi undersøke hvordan simulerte data kan påvirke disse beregningene. Prosjektet tar sikte på å overføre kunnskap og ekspertise til forsvarssektoren gjennom forskning og utvikling og forskerutdanning utført av alle samarbeidspartnerne i prosjektet.

In modern society, the amount of data collected is rapidly increasing. Examples occur from self-driving cars to decision support tools in hospitals. Artificial intelligence is key to extract crucial information from the huge amounts of data. Classifiers that suggest a class affiliation based on the input characteristics of the observation, often play a central role in such tasks. The ongoing project entitled 'Transforming ocean surveying by the power of DL and statistical methods' in the IKTPLUSS program focus on development of novel AI methodology that can be successfully used in seafloor monitoring and is performed in close collaboration with the companies Argeo and Multiconsult. The new project applying for supplementary funding will utilize the Bayesian Deep Learning methods developed by the ongoing RCN funded project to obtain reliable uncertainty estimates in classification tasks highly relevant to investigations performed by the Norwegian Defence Research Establishment (FFI). In addition, the new project will add to the ongoing project by pursuing sparse neural networks as a novel and particularly interesting field for speeding up uncertainty estimation in Bayesian Deep learning. Another novelty of the project is to investigate the impact of simulated data in uncertainty estimation. Finally, the project will transfer knowledge and expertise of the project to the defence sector. To be specific, FFI will contribute with their knowledge and experience within seafloor monitoring, efficient acquisition of data and access to highly relevant data sets. The ongoing project will, on the other hand, contribute with reliable uncertainty estimates and efficient utilization of heterogeneous data sets. In addition, the new project will lead to novel collaborations between FFI, other academia and the companies Argeo and Multiconsult. This is expected to give large synergies and benefit FFI, academia and the companies as they are focusing on highly related problems.