==== Tutorials voor het werken met en ontwikkelen van CNN's ====

  * [[https://www.youtube.com/watch?v=wQ8BIBpya2k&list=PLQVvvaa0QuDfhTox0AjmQ6tvTgMBZBEXN | Playlist met tutorialvideo's]] (6 stuks) over het bouwen, analyseren en verbeteren van CNN's met keras/tensorflow/tensorboard.
  * [[https://timebutt.github.io/static/how-to-train-yolov2-to-detect-custom-objects/ | Instructies om zelf plaatjes te labelen en een yolo-model mee te trainen.]]

==== Data en projecten voor concreet gebruik ====

=== Mask R-CNN-implementaties ===

  * De implementatie die we nu gebruiken is [[https://github.com/fizyr/keras-maskrcnn | keras-maskrcnn]] (inmiddels zelf geforkt).
  * Een andere (veel bekendere) die we ook kunnen proberen is [[https://github.com/matterport/Mask_RCNN | die van matterport]].
  * Zowel een tutorial voor het toepassen van de matterport mask R-CNN als een lijst van annotatietools is [[https://engineering.matterport.com/splash-of-color-instance-segmentation-with-mask-r-cnn-and-tensorflow-7c761e238b46 | hier te vinden]], daarnaast is er de oid annotatietool.

=== Datasets ===

  * Een grote en goed geannoteerde dataset: [[https://storage.googleapis.com/openimages/web/index.html|Open images dataset (OID)]].
    * (Getrainde modellen zijn [[https://storage.googleapis.com/openimages/web/extras.html | hier te vinden]], maar voor ons doel niet bruikbaar.)
    * Script om afbeeldingen voor specifieke labelclasses te downloaden uit OID: [[https://github.com/monocongo/openimages/tree/issue_7_segmentation_support|github.com/monocongo/openimages (branch issue_7_segmentation_support)]] (inmiddels zelf geforkt).
  * Een andere grote en goed geannoteerde dataset is [[http://cocodataset.org | COCO]].

==== Cloud-services voor machine learning ====

Naast eigen computer (wat problematisch is vanwege te weinig video-ram):
  * Amazon/Google/Microsoft
  * [[https://paperspace.com | Paperspace cloud computing]]
  * [[https://vast.ai | vast.ai]] - gedistribueerde cloud computing waarbij gebruikers ongebruikte rekentijd beschikbaar te stellen; goedkoper dan andere diensten en je kunt ook je eigen machine ter beschikking stellen (afh. van GPU en overige specs)