The subject of self-driving car technology has drawn growing interest in recent years. Many companies, such as Baidu and Tesla, have already introduced automatic driving techniques in their newest cars when driving in a specific area. However, there are still many challenges ahead toward fully autonomous driving cars. Tesla has caused several severe accidents when using autonomous driving functions, which makes the public doubt self-driving car technology. Therefore, it is necessary to use the simulator environment to help verify and perfect algorithms for the perception, planning, and decision-making of autonomous vehicles before implementation in real-world cars. This project aims to build a benchmark for implementing the whole self-driving car system in software. There are three main components including perception, planning, and control in the entire autonomous driving system. This thesis focuses on two sub-tasks 2D object detection and semantic segmentation in the perception part. All of the experiments will be tested in a simulator environment called The CAR Learning to Act(Carla), which is an open-source platform for autonomous car research. Carla simulator is developed based on the game engine(Unreal4). It has a server-client system, which provides a flexible python API. 2D object detection uses the You only look once(Yolov4) algorithm that contains the tricks of the latest deep learning techniques from the aspect of network structure and data augmentation to strengthen the network’s ability to learn the object. Yolov4 achieves higher accuracy and short inference time when comparing with the other popular object detection algorithms. Semantic segmentation uses Efficient networks for Computer Vision(ESPnetv2). It is a light-weight and power-efficient network, which achieves the same performance as other semantic segmentation algorithms by using fewer network parameters and FLOPS. In this project, Yolov4 and ESPnetv2 are implemented into the Carla simulator. Two modules work together to help the autonomous car understand the world. The minimal distance awareness application is implemented into the Carla simulator to detect the distance to the ahead vehicles. This application can be used as a basic function to avoid the collision. Experiments are tested by using a single Nvidia GPU(RTX2060) in Ubuntu 18.0 system. / Ämnet självkörande bilteknik har väckt intresse de senaste åren. Många företag, som Baidu och Tesla, har redan infört automatiska körtekniker i sina nyaste bilar när de kör i ett specifikt område. Det finns dock fortfarande många utmaningar inför fullt autonoma bilar. Detta projekt syftar till att bygga ett riktmärke för att implementera hela det självkörande bilsystemet i programvara. Det finns tre huvudkomponenter inklusive uppfattning, planering och kontroll i hela det autonoma körsystemet. Denna avhandling fokuserar på två underuppgifter 2D-objekt detektering och semantisk segmentering i uppfattningsdelen. Alla experiment kommer att testas i en simulatormiljö som heter The CAR Learning to Act (Carla), som är en öppen källkodsplattform  för autonom bilforskning. Du ser bara en gång (Yolov4) och effektiva nätverk för datorvision (ESPnetv2) implementeras i detta projekt för att uppnå Funktioner för objektdetektering och semantisk segmentering. Den minimala distans medvetenhets applikationen implementeras i Carla-simulatorn för att upptäcka avståndet till de främre bilarna. Denna applikation kan användas som en grundläggande funktion för att undvika kollisionen.

Segmentation of magnetic resonance images is an important part of planning radiotherapy treat-ments for patients with brain tumours but due to the number of images contained within a scan and the level of detail required, manual segmentation is a time consuming task. Convolutional neural networks have been proposed as tools for automated segmentation and shown promising results. However, the data sets used for training these deep learning models are often imbalanced and contain data that does not contribute to the performance of the model. By carefully selecting which data to train on, there is potential to both speed up the training and increase the network’s ability to detect tumours. This thesis implements the method of importance sampling for training a convolutional neural network for patch-based segmentation of three dimensional multimodal magnetic resonance images of the brain and compares it with the standard way of sampling in terms of network performance and training time. Training is done for two different patch sizes. Features of the most frequently sampled volumes are also analysed. Importance sampling is found to speed up training in terms of number of epochs and also yield models with improved performance. Analysis of the sampling trends indicate that when patches are large, small tumours are somewhat frequently trained on, however more investigation is needed to confirm what features may influence the sampling frequency of a patch. / Segmentering av magnetröntgenbilder är en viktig del i planeringen av strålbehandling av patienter med hjärntumörer. Det höga antalet bilder och den nödvändiga precisionsnivån gör dock manuellsegmentering till en tidskrävande uppgift. Faltningsnätverk har därför föreslagits som ett verktyg förautomatiserad segmentering och visat lovande resultat. Datamängderna som används för att träna dessa djupinlärningsmodeller är ofta obalanserade och innehåller data som inte bidrar till modellensprestanda. Det finns därför potential att både skynda på träningen och förbättra nätverkets förmåga att segmentera tumörer genom att noggrant välja vilken data som används för träning. Denna uppsats implementerar importance sampling för att träna ett faltningsnätverk för patch-baserad segmentering av tredimensionella multimodala magnetröntgenbilder av hjärnan. Modellensträningstid och prestanda jämförs mot ett nätverk tränat med standardmetoden. Detta görs förtvå olika storlekar på patches. Egenskaperna hos de mest valda volymerna analyseras också. Importance sampling uppvisar en snabbare träningsprocess med avseende på antal epoker och resulterar också i modeller med högre prestanda. Analys av de oftast valda volymerna indikerar att under träning med stora patches förekommer små tumörer i en något högre utsträckning. Vidareundersökningar är dock nödvändiga för att bekräfta vilka aspekter som påverkar hur ofta en volym används.

Detta är en studie om svenska mountainbikecyklister och deras rese- och konsumentbeteende. Mountainbiking har sett en markant ökad tillväxt inom Sverige över de senaste åren och detta verifieras av en ökad mängd sålda cyklar. Det har observerats ett intresse av mountainbike hos statliga myndigheter som Tillväxtverket och Konsumentverket. Vi har använt oss av en form utav psykografisk segmentering i form av The Big Five Theory för att dela in utövarna av sporten i olika målgrupper efter personlighetsdrag. Detta gjordes genom en mixed method enkät på onlineforumet Happyride.se. Data från empiriinsamlingen analyserades i SPSS och resultatet har legat till grunden för en ny modell baserad på Plogs psykografiska modell inriktad mot svensk mountainbike och dess utövare, där tre målgrupper identifierades. Dessa tre målgrupper har sedan analyserats efter The Big Five Theory, samt mountainbike-, rese- och konsumentbeteenden, där skillnader och likheter lyfts fram. Utifrån detta har sedan “The Olsén-Trygg Model” skapats. / <p>2022-06-01</p>

Cell culture is a fundamental procedure in many laboratories and precedes much research performed under the microscope. Despite the significance of this procedural stage, the monitoring of cells throughout growth is impossible due to the absence of equipment and methodological approaches. This thesis presents a low-cost, power-effective and versatile microscope with small enough dimensions to operate inside an incubator. Besides image acquisition, the microscope comprises other functions such as a data pipeline, implemented to save the images on the user’s computer via a server whilst also offering storage of the images on an integrated micro SD-card. Furthermore, a machine learning algorithm with a human-in-the-loop approach has been trained to segment the acquired images for cell proliferation and cell apoptosis tracking, and yielded promising results with an accuracy of 94%. For comparison, conventional segmentation techniques using operations such as the watershed function were deployed.The microscope described is versatile in operation as it offers the user to utilise one or more functions, depending on the purpose of the imaging. / Cellodling är en grundläggande process i många laboratiorium och föregår forskning som utförs under mikroskop. Trots inkubationens betydelse har övervakning av celler i detta skede inte varit möjlig på grund utav avsaknaden av relevant utrustning och metodologiska tillvägagångsätt. I denna examensuppsatts på avancerad nivå presenteras ett lågkostnads-, energieffektivt och versatilt mikroskop av centimeterstora dimensioner anpassat för användning i en inkubator. Förutom bildtagningsmekanismer erbjuder mikroskopet olika funktioner som till exempel ett integrerat dataflöde som möjliggör sparande av bilder på användarens dator via en server samtidigt som den erbjuder sparande av bilder på ett integrerat minneskort.Utöver detta har en human-in-the-loop maskininlärningsalgoritm för segmentation av celler implementerats i syfte att övervaka cellernas celldelning och celldöd. Denna algoritm påvisade goda resultat med en nogrannhet på 94%. I jämförelsesyfte har även en traditionell watershed-baserad cellsegmenteringsteknik utvecklats.Mikroskopet kan kallas versatilt då det tillåter användaren att anpassa dataflödet och välja vilka funktioner denne vill nyttja, allt utefter bildtagningens ändamål.

The purpose of this study is to enhance the understanding of event project managers' challenges related to work-life balance. A comprehensive view of the subject is presented through semi-structured interviews with nine project managers from various organizations and government agencies. The study's findings reveal both organizational and individual factors that influence the balance between work-and personal life, such as the freedom to plan and personal experience. Respondents expressed a desire to separate the domains of work and personal life in order to achieve a favorable balance, also referred to as the segregation strategy. While most respondents theoretically desired strong boundaries, there was a distinction between their aspirations and actual adherence, as the majority demonstrated weak boundaries in practice. The most important strategy for avoiding imbalance was individuals' ability to plan for recovery, which is connected to both planning freedom and experience. There appears to be an expectation that project managers in the event industry should exhibit a high level of commitment and be prepared to invest significant time and energy in order to succeed, from both the individual and the employer's perspectives.

Reducing the size of a neural network whilst maintaining a comparable performance is an important problem to be solved since the constrictions on resources of small devices make it impossible to deploy large models in numerous real-life scenarios. A prominent example is autonomous driving, where computer vision tasks such as object detection and semantic segmentation need to be performed in real time by mobile devices. In this thesis, the knowledge and spherical knowledge distillation techniques are utilized to train a small model (PSPNet50) under the supervision of a large model (PSPNet101) in order to perform semantic segmentation of urban scenes. The importance of the distillation hyperparameters is studied first, namely the influence of the temperature and the weights of the loss function on the performance of the distilled model, showing no decisive advantage over the individual training of the student. Thereafter, distillation is performed utilizing a pretrained student, revealing a good improvement in performance. Contrary to expectations, the pretrained student benefits from a high learning rate when training resumes under distillation, especially in the spherical knowledge distillation case, displaying a superior and more stable performance when compared to the regular knowledge distillation setting. These findings are validated by several experiments conducted using the Cityscapes dataset. The best distilled model achieves 87.287% pixel accuracy and a 42.0% mean Intersection-Over-Union value (mIoU) on the validation set, higher than the 86.356% pixel accuracy and 39.6% mIoU obtained by the baseline student. On the test set, the official evaluation obtained by submission to the Cityscapes website yields 42.213% mIoU for the distilled model and 41.085% for the baseline student. / Att minska storleken på ett neuralt nätverk med bibehållen prestanda är ett viktigt problem som måste lösas, eftersom de begränsade resurserna i små enheter gör det omöjligt att använda stora modeller i många verkliga situationer. Ett framträdande exempel är autonom körning, där datorseende uppgifter som objektsdetektering och semantisk segmentering måste utföras i realtid av mobila enheter. I den här avhandlingen används tekniker för destillation av kunskap och sfärisk kunskap för att träna en liten modell (PSPNet50) under övervakning av en stor modell (PSPNet101) för att utföra semantisk segmentering av stadsscener. Betydelsen av hyperparametrarna för destillation studeras först, nämligen temperaturens och förlustfunktionens vikter för den destillerade modellens prestanda, vilket inte visar någon avgörande fördel jämfört med individuell träning av eleven. Därefter utförs destillation med hjälp av en utbildad elev, vilket visar på en god förbättring av prestanda. Tvärtemot förväntningarna har den utbildade eleven en hög inlärningshastighet när utbildningen återupptas under destillation, särskilt i fallet med sfärisk kunskapsdestillation, vilket ger en överlägsen och stabilare prestanda jämfört med den vanliga kunskapsdestillationssituationen. Dessa resultat bekräftas av flera experiment som utförts med hjälp av datasetet Cityscapes. Den bästa destillerade modellen uppnår 87.287% pixelprecision och ett 42.0% medelvärde för skärning över union (mIoU) på valideringsuppsättningen, vilket är högre än de 86.356% pixelprecision och 39.6% mIoU som uppnåddes av grundstudenten. I testuppsättningen ger den officiella utvärderingen som gjordes på webbplatsen Cityscapes 42.213% mIoU för den destillerade modellen och 41.085% för grundstudenten.

Segmentation of the knee cartilage is an important step for surgery planning and manufacturing patient-specific prostheses. What has been a promising technology in recent years is deep learning-based super-resolution methods that are composed of feed-forward models which have been successfully applied on natural and medical images. This thesis aims to test the feasibility to super-resolve thick slice 2D sequence acquisitions and acquire sufficient segmentation accuracy of the articular cartilage in the knee. The investigated approaches are single- and multi-contrast super-resolution, where the contrasts are either based on the 2D sequence, 3D sequence, or both. The deep learning models investigated are based on predicting the residual image between the high- and low-resolution image pairs, finding the hidden latent features connecting the image pairs, and approximating the end-to-end non-linear mapping between the low- and high-resolution image pairs. The results showed a slight improvement in segmentation accuracy with regards to the baseline bilinear interpolation for the single-contrast super-resolution, however, no notable improvements in segmentation accuracy were observed for the multi-contrast case. Although the multi-contrast approach did not result in any notable improvements, there are still unexplored areas not covered in this work that are promising and could potentially be covered as future work. / Segmentering av knäbrosket är ett viktigt steg för planering inför operationer och tillverkning av patientspecifika proteser. Idag segmenterar man knäbrosk med hjälp av MR-bilder tagna med en 3D-sekvens som både tidskrävande och rörelsekänsligt, vilket kan vara obehagligt för patienten. I samband med 3D-bildtagningar brukar även thick slice 2D-sekvenser tas för diagnostiska skäl, däremot är de inte anpassade för segmentering på grund av för tjocka skivor. På senare tid har djupinlärningsbaserade superupplösningsmetoder uppbyggda av så kallade feed-forwardmodeller visat sig vara väldigt framgångsrikt när det applicerats på verkliga- och medicinska bilder. Syftet med den här rapporten är att testa hur väl superupplösta thick slice 2D-sekvensbildtagningar fungerar för segmentering av ledbrosket i knät. De undersökta tillvägagångssätten är superupplösning av enkel- och flerkontrastbilder, där kontrasten är antingen baserade på 2D-sekvensen, 3D-sekvensen eller både och. Resultaten påvisar en liten förbättring av segmenteringnoggrannhet vid segmentering av enkelkontrastbilderna över baslinjen linjär interpolering. Däremot var det inte någon märkvärdig förbättring i superupplösning av flerkontrastbilderna. Även om superupplösning av flerkontrastmetoden inte gav någon märkbar förbättring segmenteringsresultaten så finns det fortfarande outforskade områden som inte tagits upp i det här arbetet som potentiellt skulle kunna utforskas i framtida arbeten.

Titel: Att inte följa strömmen – en studie om differentiering bland musikstreamingtjänsterFörfattare: Riccardo Furrer, Matilda Johansson och My LarssonHandledare: Kaisa LundKurs: Kandidatuppsats 15hp i Företagsekonomi inriktning Marknadsföring, Music &amp; Event Managementprogrammet, Linnéuniversitetet, Höstterminen 2013SyfteSyftet med denna uppsats är att analysera de sätt digitala prenumerationstjänster inom musiksektorn kan differentiera sig på marknaden. Vi vill även undersöka vad det är konsumenten anser vara viktigt i valet av en digital musiktjänst.Vi har också arbetat kring en forskningsfråga: Hur kan företag bakom digitala prenumerationstjänster inom musiksektorn positionera sig på den svenska marknaden? Metod Vi har valt att göra en kvalitativ studie som tillslut antog en abduktiv ansats. Kvalitativ metod passade oss bäst då vårt mål var att gå in på djupet i vårt ämne och inte gå på kvantitet i våra empiriska undersökningar. Den empiriska studien består av tre personliga intervjuer med personer som är aktivt involverade och kunniga inom den digitala musikbranschen. Dessutom består empirin även av två fokusgrupper med personer som använder sig av musikstreamingtjänster samt två konsumentintervjuer då uppslutningen till sista fokusgruppen blev mycket dålig. Slutsatser Vi har genom den analys vi gjort hittat band mellan verklighet och teori som sedan kopplats till den digitala musikmarknaden. Främst blev det tydligt att kundens behov är av största vikt för att tjänsten skall kunna uppfylla sitt syfte.För att detta skall kunna göras i så stor utsträckning som möjligt bör företaget rikta sig mot segment för att få så homogena behov som möjligt. Dessa segment bör urskiljas genom analys av kunder och sedan separerade av aspekter baserat på exempelvis livsstil, ålder eller konsumtionsbeteende. Vi har genom analys av kunders önskemål och tankar kring digitala musiktjänster kunna skapa en bild av hur en differentiering på den digitala musikmarknaden bör se ut. / The purpose of this study is to analyze in which ways digital music subscription services may differentiate themselves from one another on the Swedish digital music market. We also want to examine how the companies providing these services can position themselves on the Swedish market by looking at what consumers of these kinds of services look for in a digital music service. To find answers we have decided to try to answer one question: How can companies behind digital music subscription services position themselves on the Swedish music market? For this study we have used a qualitative approach where we have conducted three personal interviews with people who are involved daily, in one way or another, with digital music streaming services. We also had focus groups with music service users and a few interviews with consumers. We chose this approach to get a deeper look into what customers want out of a service that offers music.By analyzing the empirical and theoretical data we could find a bond between reality and theory, which could be connected to the digital music market. It became particularly clear that customer need is the biggest importance for the service to fulfill its purpose. For this to be in the most way possible, the company must aim towards similar customer needs by creating segments in the market. These segments should be constructed trough an analysis of the customersand then separated by aspects based on lifestyle, age or consumer behavior. We have been analyzing customer needs and assumptions of music services. The results helped us create a picture of an ideal differentiation strategy of the Swedish digital music market.

Small businesses are the largest employers in Sweden and employ most people on the labour market. Therefore they are considered one of the most important components for an economic growth in a country. However small businesses have problems regarding profitability and survival on the market. It is also considered hard to conduct business for smaller companies, where the lack of restricted resources is a crucial factor. The purpose of this study is to, through a producer perspective and with a qualitative approach, review whether and in what way small businesses uses marketing strategies in their planning. This will be done by answering the following research question: “In what sense do small businesses implement marketing strategies in their work with marketing?” The following conclusions were drawn from the study: • Small businesses implement marketing strategies in their everyday work in the sense that almost all of the small businesses that participated in the study have thought about the factors relating to the selection of target group and the company's own market position in relation to its competitors • Small businesses formulate its marketing strategies mentally rather than having a formal written strategy. • Small businesses mainly choose to segment the market by using geographic and demographic factors. • Small businesses opt out the use of price leadership as their competitive strategy. Instead small businesses try to stand out from their competitors in some unique way and their focus lies on quality rather than quantity. • Small businesses are working diligently to retain existing customers because it is a cheaper approach than trying to attract new customers. • Small businesses can benefit from being apart of a network with other active small, but the study also shows that most benefits can be drawn from startups that not yet enhold a solid knowledge about the market. / Småföretag är Sveriges största arbetsgivare och sysselsätter flest människor på arbetsmarknaden och anses vidare vara en av de viktigaste komponenterna för en ekonomisk tillväxt. Trots det har småföretag problem gällande lönsamhet och överlevnad på marknaden. Det är även svårt att bedriva verksamhet för mindre företag, där bland annat brist på resurser är en återkommande kritisk faktor. Syftet med studien är att, baserat på en kvalitativ metod och genom ett producentperspektiv, ta hjälp av fem stycken semistrukturerade intervjuer för att kartlägga huruvida och på vilket sätt småföretag använder sig av marknadsföringsstrategier i sitt planeringsarbete. Detta genom att besvara forskningsfrågan: “I vilken bemärkelse implementerar småföretag marknadsföringsstrategier i sitt arbete med marknadsföring?” Följande slutsatser kunde dras av studien: • Småföretag implementerar marknadsföringsstrategier i sitt vardagliga arbete i den bemärkelsen att nästan alla av de småföretag som deltog i studien funderat kring faktorer som rör val av målgrupp och företagets egen position på marknaden i relation till dess konkurrenter • Småföretag formulerar marknadsföringsstrategier mentalt i huvudet, snarare än att ha en formell nedskriven strategi. • Småföretag väljer att segmentera marknaden utefter geografiska- och demografiska faktorer. • Småföretag väljer bort användandet av ett prisledarskap som konkurrensstrategi. Istället väljer småföretag att försöka utmärka sig från sina konkurrenter på något unikt sätt och fokus ligger på ett kvalitetstänk snarare än kvantitet. • Småföretagen arbetar flitigt med att behålla befintliga kunder då det är billigare än att försöka attrahera nya kunder. Dock pågår det ett ständigt arbete att försöka locka till sig nya kunder samtidigt. • Småföretag kan dra nytta av att involveras i nätverk med andra verksamma småföretag, men studien visar på att mest fördelar finns att dra nytta av för nystartade småföretag som ännu inte besitter en gedigen kunskap om marknaden.

Rapportens namn: Vilka är egentligen våra kunder?- en kvalitativ studie om segmentering i B2B företag Frågeställning: Hur utarbetas och genomförs segmentering av företag verksamma på B2B marknaden? Syfte: Syftet med arbetet är att undersöka hur företag utarbetar och genomför segmentering på B2B marknaden. Vidare undersöka vilka faktorer som är viktiga att ta i beaktning för företag vid utförandet av segmentering på B2B marknaden.Vi ämnar även att presentera både teoretiska och praktiska förslag på hur B2B företag bör arbeta med segmenteringsstrategier. Metod: Uppsatsen är en kvalitativ fallstudie som antagit en abduktiv forskningsansats. Datainsamlingen har skett vi semistrukturerade djupintervjuer med sju olika B2B företag. Resultat och slutsatser: Resultatet visar hur företag idag utarbetar och genomför segmentering. Vidare vilka kunskaper och vilken förståelse de besitter utifrån de segmenteringsvariabler som framkommit i studiens teoretiska referensram. Slutsatser kunde dras kring att företag i dagsläget inte i många fall arbetar aktivt och iterativt med att segmentera sin marknad och har inte följt en specifik och tydlig process vid utförandet. De besitter kunskaper som hade kommit till användning vid en vidare utveckling av de segment de arbetar utifrån idag. Teoretiskt och praktiskt bidrag: Uppsatsen presenterar en reviderad segmenteringsmodell utifrån den teoretiska referensramen i kombination med den insamlade empirin. Behov och potential framkommer som kompletterande faktorer att ta i beaktning. Det praktiska bidraget ger förslag på hur företag bör utarbeta och genomföra segmentering. Vidare presenteras förslag till segmenteringsstrategi till uppsatsens uppdragsgivare. / Name of report: - a qualitative study of segmenting the B2B market Research question: Who are actually our customers?- a qualitative study concerning segmentation in B2B companies Purpose: The purpose of this thesis is to examine how companies active in the B2B market prepare and implement segmentation. Furthermore to examine which different factors to take into consideration when segmenting the B2B market. We also intend to provide theoretical as well as practical implications of how B2B companies should work with segmentation. Method: This thesis is of qualitative character and follows an abductive research approach. The empirical data of this study have been gathered through semi-structured interviews with seven different B2B companies. Results and conclusions: The results shows how companies work with segmentation today, furthermore which knowledge they possess concerning the presented segmentation variables from the study’s theoretical framework. Conlusions have been made that in many cases companies do not actively and ongoing work with segmenting their market. Furthermore they have not followed an specific and clear process when segmenting. Companies do however possess knowledge which can come to use in order to develop the segment for which they work with today. Theoretical and practical contribution: The thesis presents a revised segmentation model based on the theoretical framework in combination with the collected empirical results. Customers needs and potential emerged as complementary factors to take into account. The practical contribution provides suggestions on how companies should develop and implement segmentation. Furthermore, proposals for segmentation strategy are presented to the principal of this thesis.