Arbetsbeskrivning

Lunds universitet grundades 1666 och rankas återkommande som ett av världens främsta lärosäten. Här finns omkring 46 000 studenter och 8 500 medarbetare i Lund, Helsingborg och Malmö. Vi förenas i vår strävan att förstå, förklara och förbättra vår värld och människors villkor.

Beskrivning av verksamheten

Tjänsten kommer att placeras på Avdelningen för datorseende och maskin-inlärning (CVML) vid Matematikcentrum. Matematikcentrum är en institution som är ansluten till både den tekniska fakulteten (LTH) och den naturvetenskapliga fakulteten vid Lunds Universitet. Inom CVML finns flera disputerade forskare samt cirka 20 doktorander. Forskning inom datorseende började på mitten av 1980-talet och omfattar för närvarande (i) Geometri och datorseende (inklusive analys av video, ljud, radio och radarsignaler), (ii) Medicinsk bildanalys, och (iii) Maskininlärning/artificiell intelligens. Gruppen har omfattande erfarenhet av grundforskning inom datorseende, maskininlärning och artificiell intelligens, samt en historia av att översätta sådana resultat till praktiska tillämpningar för slutanvändare.

Att vara doktorand

Som doktorand är du både antagen som student och anställd vid Lunds universitet.

Som forskarstuderande tränas du i ett vetenskapligt förhållningssätt. Det kan kort beskrivas som att du får övning i att tänka kritiskt och analytiskt, att du får lösa problem självständigt med hjälp av rätt metodval och du får en forskningsetisk medvetenhet. Dessutom ges möjlighet för dig som doktorand att arbeta med projekt, att utveckla dina ledaregenskaper och din pedagogiska förmåga. Under hela din studietid guidas du av handledare. Forskarstudierna avslutas med en avhandling och doktorsexamen.

Mer om att vara doktorand vid LTH på lth.se.

Ämnes- och projektbeskrivning

Forskningsinriktningen för denna utlysning är datorseende och maskininlärning med ett fokus på metoder för visuell lokalisering- och kartläggning. Forskningsämnet är tillämpad matematik.

Forskningsprojektet fokuserar på 3D-rekonstruktionsmetoder och navigering i storskaliga miljöer. Fokus ligger på att kombinera tekniker inom geometrisk datorseende och maskininlärning, för att bygga noggranna och tillförlitliga kartor utifrån visuella data. Målet är att utveckla system som inkorporerar naturliga geometriska villkor, såsom epipolarvillkoret och homografier, som kräver att observationerna ligger på en olinjär mångfald, med maskininlärningsmetoder, såsom physically informed neural networks.

Tjänsten finansieras av det strategiska forskningsområdet ELLIIT och ingår i projektet “Learning Geometric Representations”

Arbetsuppgifter

Du kommer framförallt att ägna dig åt din forskarutbildning, vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser, seminarier och konferenser. I arbetsuppgifterna ingår det medverkan i undervisning och annat institutionsarbete, dock max 20 % av arbetstiden.

Avhandlingsarbetet kommer att innefatta utveckling av nya metoder, genomförande av experiment, datainsamling och bearbetning, programmering och implementation, samt författande av vetenskapliga artiklar och presentation av resultaten vid internationella konferenser.

För annonsen i sin helhet, var god se Lunds universitets hemsida.