Comparison of Suitability of Hardware Architectures for Implementation of DNN hos Saab AB

Avionics Systems är en verksamhet inom den globala flyg- och säkerhetskoncernen Saab. Vi utvecklar och tillverkar kvalificerad elektronik, programvara och mekanik för flygplan, helikoptrar och andra krävande applikationer. De flesta av våra projekt drivs i en internationell miljö och vi levererar bland annat produkter till två av världens största flygplanstillverkare, Airbus och Boeing

Din framtida utmaning

Bakgrund:

Inom flygindustrin ställer man höga krav på flygsäkerhet och robusthet i alla tekniska system ombord på flygplan. Många produkter inom flyg, kan dra nytta av den nya teknikutvecklingen inom området Machine Learning (ML), men det är viktigt att säkerhet och robusthet vidmakthålls.

Ett speciellt området inom ML, som är intressant att studera är Deep Neural Networks (DNN). DNN har blivit standardmetoden för att lösa bildbehandlingsuppgifter såsom bildklassificering och objektdetektering eller tal-igenkänning.

Oftast utvecklas, tränas och utvärderas modellerna på GPUer medan själva implementeringen av algoritmerna i de inbyggda systemen kan göras med andra implementeringsformer.

Dessa kan vara generell CPU, FPGA, SoC, GPU etc.

Examensarbetet går i ett första steg ut på att jämföra olika implementeringsformer ur olika aspekter, t.ex: prestanda, robusthet, determinism, skalbarhet, enkel att ändra, säkerhet. Jämförelsen kan vara både teoretisk och praktisk. Det är även intressant att jämföra hur man kan överföra algoritmer till olika implementationsformer.

Arbetsbeskrivning:

Kort litteraturstudie av Machine Learning och Deep Neural Network

Litteraturstudie av olika former för att implementera ett DNN

Implementera och träna ett DNN (t.ex. taligenkänning) på en vald arkitektur

Jämföra olika aspekter av hårdvaruimplementeringarna

Egna förslag kring ämnet

Den du är idag

Vi söker dig som:

studerar till civilingenjör eller högskoleingenjör inom teknisk fysik, elektro, datateknik eller liknande

har ett intresse av att arbeta med realtidssystem och Machine Learning

läst kurser inom hårdvaru-utveckling

Omfattning

1 - 2 personer.

Examensarbetet kan anpassas för antingen Master- (30hp) eller Bachelornivå (15hp)

Start
Januari 2021 eller enligt överenskommelse.

Placeringsort Huskvarna.

För mer information kontakta:

Torbjörn Månefjord, torbjorn.manefjord@saabgroup.com

If you aspire to help create and innovate whilst developing yourself in a challenging team setting, Saab may well have the perfect conditions for you to grow. We pride ourselves on a nurturing environment, where everyone is different yet we share the same goal – to help protect people.

Observera: De examensarbete och projekt som du hittar i Future Finder är inte på förväg godkända av ditt universitet. Du måste själv se till att de eventuella samarbeten som du ingår med organisationer för examensarbete och projekt blir godkända av din handledare eller kursansvarig.