==== ML-leesvoer ====

=== Algemene introducties ===

Introducties tot machine learning en neurale netwerken:

  * [[https://towardsdatascience.com/high-level-introduction-to-neural-networks-51cb0a088d7a | High Level Introduction to Neural Networks]] - met links naar leerzame (en leuke) [[https://www.youtube.com/watch?v=ntKn5TPHHAk | video's over hetzelfde onderwerp door Daniel Shiffman]].
  * [[https://mitpress.mit.edu/books/deep-learning-1 | 'Deep Learning', John D. Kelleher (MIT Press, september 2019)]]


=== Iets meer de diepte in ===

Een aantal artikelen (met uitleg, voorbeelden en code) dat laat zien hoe de technieken achter objectherkenning en -segmentatie werken:

  * [[https://www.analyticsvidhya.com/blog/2019/04/introduction-image-segmentation-techniques-python/ | Computer Vision Tutorial: A Step-by-Step Introduction to Image Segmentation Techniques (Part 1) (analyticsvidhya.com)]]
  * [[https://www.analyticsvidhya.com/blog/2019/07/computer-vision-implementing-mask-r-cnn-image-segmentation/ | Computer Vision Tutorial: Implementing Mask R-CNN for Image Segmentation (Part 2) (analyticsvidhya.com)]]
  * [[https://www.analyticsvidhya.com/blog/2017/06/architecture-of-convolutional-neural-networks-simplified-demystified/ | Architecture of Convolutional Neural Networks (CNNs) demystified (analyticsvidhya.com)]]
  * [[https://divamgupta.com/image-segmentation/2019/06/06/deep-learning-semantic-segmentation-keras.html | A Beginner's guide to Deep Learning based Semantic Segmentation using Keras (divamgupta.com)]]
  * Iets diepgaander artikel (lecture notes) over de werking en opbouw van CNN's: [[https://cs231n.github.io/convolutional-networks/ | CS231n Convolutional Neural Networks for Visual Recognition]]
  * Goed leesbare [[https://engineering.matterport.com/splash-of-color-instance-segmentation-with-mask-r-cnn-and-tensorflow-7c761e238b46 | introductie van mask R-CNN (matterport)]].

=== En verder ===

  * Wat misschien wel de volgende grote stap voorwaarts kan worden na R-CNN's, zijn 'capsule networks', zie [[https://youtu.be/rTawFwUvnLE | deze lezing door Geoffrey Hinton]] ([[http://moreisdifferent.com/2017/09/hinton-whats-wrong-with-CNNs | samenvatting]]). Voor objectherkenning zou het een belangrijke vooruitgang kunnen betekenen, maar grappig genoeg maakt de objectherkenning die wij willen doen juist gebruik van het 'gebrek' van R-CNN's, omdat we *alleen* kopjes onder een bepaalde hoek willen selecteren en niet verder willen generaliseren.