Introducties tot machine learning en neurale netwerken:

• High Level Introduction to Neural Networks - met links naar leerzame (en leuke) video's over hetzelfde onderwerp door Daniel Shiffman.
• 'Deep Learning', John D. Kelleher (MIT Press, september 2019)

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

• Computer Vision Tutorial: A Step-by-Step Introduction to Image Segmentation Techniques (Part 1) (analyticsvidhya.com)
• Computer Vision Tutorial: Implementing Mask R-CNN for Image Segmentation (Part 2) (analyticsvidhya.com)
• Architecture of Convolutional Neural Networks (CNNs) demystified (analyticsvidhya.com)
• 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: CS231n Convolutional Neural Networks for Visual Recognition
• Goed leesbare introductie van mask R-CNN (matterport).

• Wat misschien wel de volgende grote stap voorwaarts kan worden na R-CNN's, zijn 'capsule networks', zie deze lezing door Geoffrey Hinton ( 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.