Daniel Groos
Bakgrunn og aktiviteter
- Doktorgradsstipendiat innen medisinsk teknologi (2018-)
- PhD-prosjekt: "Forklarbar kunstig intelligens for bevegelsesanalyse av spedbarn"
- Tverrfaglig samarbeid mellom NTNU (IKOM, INB og IDI), St. Olavs hospital (Klinikk for kliniske servicefunksjoner og Nyfødt intensiv) og Norwegian Open AI Lab
- Gjenkjenning og tracking av kroppsdeler fra videoer
- Prediksjon av motoriske funksjonsforstyrrelser fra video
- Markørløs ganganalyse av barn med cerebral parese
- Kinematisk analyse av skihoppere i samarbeid med Senter for Toppidrettsforskning og Olympiatoppen
- Medoppfinner av app for tidlig deteksjon av cerebral parese
- Biveilder for masterstudenter i datateknologi
- Deep Learning
- Computer Vision
- Convolutional Neural Networks
- Human Pose Estimation
- Supervised Learning
- Transfer Learning
- Explainable Artificial Intelligence
- Sivilingeniør i datateknikk fra NTNU (2013-2018)
- Spesialisering innen kunstig intelligens
- Masterprosjekt med tracking av spedbarnsbevegelser fra video ved hjelp av dyp læring
- Intern hos Telenor Research og Skatteetatens IT- og servicepartner
Vitenskapelig, faglig og kunstnerisk arbeid
Viser et utvalg av aktivitet. Se alle publikasjoner i databasen
2020
- (2020) EfficientPose: Scalable single-person pose estimation. Applied intelligence (Boston).
2019
- (2019) Deep Learning‐based infant motion tracking facilitating early detection of cerebral palsy. Developmental Medicine & Child Neurology. vol. 61 (S2).
2018
- (2018) Infant body part tracking in videos using Deep Learning. 2018.