• Playlist met tutorialvideo's (6 stuks) over het bouwen, analyseren en verbeteren van CNN's met keras/tensorflow/tensorboard.
• Instructies om zelf plaatjes te labelen en een yolo-model mee te trainen.

• De implementatie die we nu gebruiken is keras-maskrcnn (inmiddels zelf geforkt).
• Een andere (veel bekendere) die we ook kunnen proberen is die van matterport.
• Zowel een tutorial voor het toepassen van de matterport mask R-CNN als een lijst van annotatietools is hier te vinden, daarnaast is er de oid annotatietool.

• Een grote en goed geannoteerde dataset: Open images dataset (OID).
  • (Getrainde modellen zijn hier te vinden, maar voor ons doel niet bruikbaar.)
  • Script om afbeeldingen voor specifieke labelclasses te downloaden uit OID: github.com/monocongo/openimages (branch issue_7_segmentation_support) (inmiddels zelf geforkt).
• Een andere grote en goed geannoteerde dataset is COCO.

Naast eigen computer (wat problematisch is vanwege te weinig video-ram):

• Amazon/Google/Microsoft
• Paperspace cloud computing
• 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)