Tools en bronnen
De wereldwijde open source community en de technologieën die daaruit voortkomen, zijn onmisbaar in ons werk. Op deze pagina vind je onze favoriete tools en bronnen. En natuurlijk onze eigen open source publicaties.
Beeldherkenning

LILA BC - beeldherkenning datasets
LILA BC is een wereldwijde collectie van datasets om beeldherkenning modellen te trainen voor onderzoek naar biodiversiteit. Je vindt hier een enorme verzameling openbaar beeldmateriaal over allerlei diersoorten, veelal afkomstig uit wildcamera's. Als je een (of meer) datasets vindt waarin jouw doelsoorten voorkomen, kun je relatief makkelijk een krachtig beeldherkenning model trainen, ook wanneer je zelf nog niet over (veel) beeldmateriaal beschikt. Mogelijk krijg je het beste resultaat als je beelden uit verschillende sets combineert en deze vervolgens ook nog aanvult met je eigen beelden. Ga naar LILA BC

Megadetector - wildcamera detectie
Megadetector is een publiek beeldherkenning model dat dieren in wildcamera beelden lokaliseert. Je gebruikt Megadetector dus niet om vast te stellen wélk dier op de foto staat, maar óf er dieren in beeld zijn, en waar. Het is dus in de eerste plaats een uitstekend filter voor ruis en lege beelden. Maar als Megadector een dier heeft gelokaliseerd, kun je dat deel van de afbeelding natuurlijk door een tweede model halen om te detecteren wélke diersoort het is. Vanwege de gigantische achterliggende dataset heeft Megadetector uitstekende resultaten in uiteenlopende opstellingen. Niet voor niets wordt dit model gebruikt als 'poortwachter' in de meeste wildcamera toepassingen en platforms. Goed ingericht kun je het dus ook zelf gebruiken op een lokale machine of server, om op grote schaal wildcamerabeelden te filteren. Ga naar Megadetector
Data science

Streamlit - online datavisualisaties
Met Streamlit 'verpak' je jouw Python datavisualisaties in een webapplicatie, om je analyses te delen met collega's, klanten of website bezoekers. Streamlit geeft je analyses een strak design, dynamische filteropties en een responsive weergave op mobiel. De opties zijn uitgebreid en de leercurve vonden wij heel kort. Een voorbeeld van ons werk in Streamlit: het Waterdiertjes data dashboard.

Gradio - machine learning apps
Met Gradio publiceer je een algoritme, zoals voor beeldherkenning, in een extreem simpele webapplicatie. Het is de eenvoud die Gradio zo sterk maakt: het enige dat je wil is input geven en de output zien. In Gradio verbind je simpelweg de input(s) van jouw algoritme met outputs in het scherm en voila: Gradio bouwt je user interface. Een voorbeeld van ons werk in Gradio: de AFFiNe demo applicatie.
Onze publicaties
Meer weten?
Met deze verzameling tools en bronnen kun je zelfstandig veel bereiken op het gebied van data science en beeldherkenning. Toch kan het zijn dat je bij de toepassing tegen vragen aanloopt. De inrichting van het Megadetector model kan bijvoorbeeld best lastig zijn. Bovendien heb je naast het model natuurlijk ook een applicatie nodig die iets doet met de model output.
Wij helpen je graag vanuit onze ervaringen met de tools en bronnen op deze pagina. We kunnen je adviseren, je op weg helpen, of de inrichting geheel voor je uitvoeren. Neem contact op om de mogelijkheden te bespreken.