| Beide kanten vorige revisie
Vorige revisie
Volgende revisie
|
Vorige revisie
|
ontwerp-en-generatieproces:ai-kopje:ml-leesvoer [2020/04/09 22:19]
admin |
ontwerp-en-generatieproces:ai-kopje:ml-leesvoer [2021/06/27 20:21] (huidige)
admin |
| Een aantal artikelen (met uitleg, voorbeelden en code) die laten zien hoe de technieken achter objectherkenning en -segmentatie werken. | ==== 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/2019/04/introduction-image-segmentation-techniques-python/ | Computer Vision Tutorial: A Step-by-Step Introduction to Image Segmentation Techniques (Part 1) (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)]] | * [[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]] | * 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. |
