K. Sudars EDI strādā kopš 2006. gada. Viņš ir ieguvis doktora grādu datorzinātnēs Latvijas Universitātes Datorikas fakultātē un ir līdzautors 19 SCOPUS zinātniskajām publikācijām, kas veltītas pētniecībai un attīstībai signālu apstrādes, dziļās mācīšanās un datorredzes jomā. Pašlaik viņa zinātniskās intereses aptver izskaidrojamo mākslīgo intelektu, semantisko attēlu segmentāciju un objektu noteikšanu attēlos. K. Sudars ir arī līdzdibinātājs jaunuzņēmumā WeedBot, kas nodarbojas ar uz mākslīgo intelektu balstītu kultūruaugu ravēšanu.
Scopus autora ID 24512667900
Nesenie projekti
-
Automašīnu inteliģence savienotai un koplietojamai mobilitātei (AI4CSM) #H2020
-
Mākslīgais intelekts precīzākai diagnostikai (AI4DIAG) #ESIF
-
Aveņu un krūmcidoniju vieda bezkontakta fenotipēšana, izmantojot mašīnmācības metodes, hiperspektrālos un 3D attēlus (AKFen) #LCS (LZP)
-
Dziļās mašīnmācīšanās pieeja osteoporozes atpazīšanai ar konusa staru datortomogrāfiju (OSTAK) #LCS (LZP)
-
Jauna tehnoloģija ūdeņraža ražošanai no atjaunojamajiem enerģijas resursiem, balstoties uz mākslīga intelekta vadītu izmaksu samazināšanu (HydroG(re)EnergY-Env) #LCS (LZP)
Nesenās publikācijas
- Sudars, K., Jasko, J., Namatevs I., Ozola L., Badaukis, N. (2020). Dataset of annotated food crops and weed images for robotic computer vision control, Data in Brief, 31. doi:10.1016/j.dib.2020.105833
- Sudars, Kaspars, Ivars Namatēvs, and Kaspars Ozols. 2022. "Improving Performance of the PRYSTINE Traffic Sign Classification by Using a Perturbation-Based Explainability Approach" Journal of Imaging 8, no. 2: 30. https://doi.org/10.3390/jimaging8020030
- Vitalijs Komasilovs, Aleksejs Zacepins, Armands Kviesis, Kaspars Ozols, Artūrs Ņikuļins, Kaspars Sudars “Development of an MCTS Model for Hydrogen Production Optimisation”, Processes (2023) (pp.16). https://www.mdpi.com/2227-9717/11/7/1977.
- Ivars Namatēvs, Kaspars Sudars, Artis Dobrājs. Interpretability versus Explainability: Classification for Understanding Deep Learning Systems and Models.
- Edīte Kaufmane, Kaspars Sudars, Ivars Namatēvs, Ieva Kalniņa, Jānis Judvaitis, Rihards Balašs, Sarmīte Strautiņa. QuinceSet: Dataset of annotated Japanese quince images for object detection
- Sarmīte Strautiņa, Ieva Kalniņa, Edīte Kaufmane, Kaspars Sudars, Ivars Namatēvs, Arturs Ņikuļins, Edgars Edelmers "RaspberrySet: Dataset of Annotated Raspberry Images for Object Detection", Multidisciplinary Digital Publishing Institute (2023) (pp. 5). https://www.mdpi.com/2306-5729/8/5/86.
- Kaspars Sudars, Ivars Namatevs, Arturs Nikulins, Rihards Balass, Astile Peter, Sarmite Strautina, Edite Kaufmane, Ieva Kalnina "Semantic Segmentation Using U-Net Deep Learning Network for Quince Phenotyping on RGB and HyperSpectral Images", 27th International Conference "Electronics" (2023). https://ieeexplore.ieee.org/document/10177638.
- Kaspars Sudars, Ivars Namatēvs, Jānis Judvaitis, Rihards Balašs, Artūrs Ņikuļins, Astile Peter, Sarmīte Strautiņa, Edīte Kaufmane, Ieva Kalniņa. YOLOv5 Deep Neural Network for Quince and Raspberry Detection on RGB Images
- Arturs Nikulins, Kaspars Sudars, Edgars Edelmers, Ivars Namatevs, Kaspars Ozols, Vitalijs Komasilovs, Aleksejs Zacepins, Armands Kviesis, Andreas Reinhardt. "Deep Learning for Wind and Solar Energy Forecasting in Hydrogen Production" Energies 17(5): pp.12. https://www.mdpi.com/1996-1073/17/5/1053