In onze opleiding staat een ervaring in het werkveld centraal. Daarom worden masterproeven zoveel mogelijk in samenwerking met de industrie georganiseerd. Hieronder vind je een selectie aan recente masterproeven, waarvan enkele ook een prijs in de wacht sleepten.
Interesse om als bedrijf of andere instelling een toekomstig ingenieur zijn eerste stappen te laten zetten op de arbeidsmarkt? Neem dan zeker een kijkje bij Samenwerken!
G2P is een belangrijke module in text-to-speech en spraakherkenning. Het doel is om de uitspraak van een zin in fonetisch schrift te vinden, gegeven de geschreven tekst. De huidige implementatie gebruikt een ketting van linguïstische regels die manueel door taalexperts ingegeven moeten worden. Dankzij de opmars van recentste technologiën, kan de volledige G2P stap in zijn geheel vervangen worden door een artificieel neuraal netwerk. Hiermee wordt de implementatietijd drastisch ingekort, in cominatie met een hogere nauwkeurigheid.
Door de toenemende wereldbevolking en beperkt beschikbare landbouwgronden, stijgt de druk op onze voedselproductie en de impact op het milieu jaar na jaar. Een vraag die zich sterk aandringt is dan ook: hoe kan er meer geproduceerd worden op minder oppervlakte – indien mogelijk – zonder stijgende impact op het milieu? Binnen de precisielandbouw doet men onderzoek naar systemen die hieraan tegemoetkomen. In deze masterproef, in samenwerking met het ILVO, wordt onderzocht wat de mogelijkheid is om bestaande computervisie- technieken – geïntegreerd met aspecten uit de deep learning – te combineren tot een nieuwe proof of concept voor de detectie van planten in overzichtsfoto’s van landbouwvelden gemaakt door drones.
Een hardnekkig, wederkerend probleem in de digitale fotografie is beschadiging door ruis. Relatief eenvoudige technieken op basis van de lineaire warmtevergelijking zijn in staat de hoeveelheid ruis in een afbeelding aanzienlijk te verminderen maar kunnen geen onderscheidt maken tussen effectieve schade ten gevolge van ruis en belangrijke details. Dit probleem kan vermeden worden door a priori informatie op te nemen van structuren die behouden moeten blijven, een eigenschap die de niet-lineaire diffusievergelijking, zoals Perona-Malik, bezit. In deze thesis werd een applicatie ontwikkeld die dergelijke wiskundige modellen implementeert en de mogelijkheid biedt deze onderling te vergelijken
