Scriptiebank overzicht

Sinds de opkomst van krachtige AI- en deep learning-modellen is data uitgegroeid tot een essentiële en vaak beperkende factor in het ontwikkelingsproces. Waar eenvoudige modellen vaak kunnen volstaan met beperkte en eenvoudige datasets, vereisen complexere modellen – zoals die voor objectdetectie – steeds grotere en rijkere hoeveelheden gelabelde data. Dit vormt een belangrijk probleem in domeinen zoals sonarbeeldvorming, waar dergelijke datasets niet beschikbaar zijn als kant-en-klare bronnen en handmatige annotatie buitengewoon tijdsintensief en kostbaar is. Dit onderzoek richt zich daarom op de centrale vraag: hoe kunnen semi-supervised en self-supervised leermethoden het labelproces bij objectdetectie in sonardata versnellen, zonder significant verlies aan nauwkeurigheid?

Om deze vraag te beantwoorden is een experimenteel kader opgezet waarin drie benaderingen zijn onderzocht: een volledig supervised baseline gebaseerd op Faster R-CNN, een semi-supervised model met FixMatch, en een self-supervised strategie waarbij een BYOL-model wordt gepretraind en vervolgens gebruikt als backbone binnen een Faster R-CNN-architectuur. De experimenten zijn uitgevoerd op een publieke sonardataset bestaande uit 7600 gelabelde sonarbeelden. Voor de supervised baseline is het model getraind op verschillende hoeveelheden gelabelde data: 1%, 5%, 10%, 50% en 100%. De bijbehorende mAP-scores tonen een sterke daling in nauwkeurigheid naarmate de hoeveelheid gelabelde data afneemt, met resultaten variërend van 0.7717 (100%) tot slechts 0.2799 bij gebruik van 1% van de data.

In het semi-supervised scenario is FixMatch toegepast met 5% en 10% gelabelde data, terwijl de resterende data werd gebruikt als ongelabelde input. Deze aanpak resulteerde in mAP-scores van respectievelijk 0.6649 en 0.6828, wat duidelijk betere prestaties zijn dan het supervised model op dezelfde labelniveaus. Voor het self-supervised model werd BYOL gepretraind op de volledige dataset zonder labels. De representaties die dit opleverde zijn vervolgens geïntegreerd in Faster R-CNN, waarbij opnieuw 5% en 10% van de data gelabeld werd gebruikt voor training. Deze benadering leverde de hoogste nauwkeurigheid binnen de lage-labelscenario's, met mAP-scores van respectievelijk 0.6452 en 0.7230.

De resultaten van dit onderzoek tonen aan dat zowel semi-supervised als self-supervised technieken effectief zijn in het verminderen van de afhankelijkheid van handmatig gelabelde data, terwijl de modelprestaties grotendeels behouden blijven. Met name self-supervised pretraining via BYOL blijkt zeer waardevol in situaties met beperkte gelabelde data. Deze bevindingen bieden praktische aanknopingspunten voor het ontwikkelen van efficiëntere workflows in sonarbeeldanalyse, en zijn relevant voor bredere toepassingen in domeinen waar gelabelde data schaars of moeilijk te verkrijgen is. Hoewel de resultaten veelbelovend zijn, is vervolgonderzoek nodig om de generaliseerbaarheid naar andere types sonardata of real-time toepassingen te evalueren.

Deze thesis stelt een geannoteerd corpus van het Nieuwfrygisch voor. Het eerste hoofdstuk biedt een inleiding tot de taal zelf door de aandacht te vestigen op de externe geschiedenis en genetische status, gevolgd door een grammaticale basisschets en een discussie over de fragmentaire attestatie van de taal. Het tweede hoofdstuk bespreekt de prominentie van het Frygisch in de secundaire literatuur. Daarbij wordt een blik geworpen op de hoopvolle attitude van taalkundigen tegenover onderzoek van de taal in de 21ste eeuw, en op de nauwe verwantschap van het Frygisch met het Oudgrieks. In het derde hoofdstuk komt het annotatieproces aan bod en wordt beschreven hoe de data tot stand zijn gekomen in de FileMaker-omgeving van de KU Leuven. Als laatste wordt nagegaan in hoeverre de gegevens van het geannoteerde corpus beantwoorden aan de beschrijvingen van het Frygisch in de secundaire literatuur inzake basismorfologie, -syntaxis en het lexicon. De resultaten van het onderzoek suggereren dat de grammaticale beschrijvingen in de literatuur weliswaar over het algemeen correct zijn, maar dat er desalniettemin voldoende afwijkingen zijn die verder onderzoek verantwoorden.

AI kan de orthopedische zorg versnellen door snel en accuraat 3D-modellen te genereren uit CT-scans, waardoor de noodzaak voor annotatiewerk door experts wordt verminderd en er meer tijd vrijkomt voor andere cruciale taken.

Deze masterproef nam de lezer mee op een reis aan veelheid. Deze masterproef leert dat architectuur meer is dan een heldere lijn van a naar b, van concept naar ontwerp, van schetsboek naar gebouw. De natuurlijke vorm van architectuur is nu eenmaal absoluut ‘relatief’, en men moet blijven streven naar originele manieren in het omgaan met, het ontwerpen van, en het denken over architectuur.

Onderzoek naar ongesuperviseerd machinaal leren voor herkenning van slaapstadia in neonati.

In deze thesis worden de basisconcepten van een Active Shape Model uitgelegd en de concrete toepassing ervan op gezichtsbeelden. Het aanvankelijke model van Cootes [1] en de uitwerking ervan [2] werden geoptimaliseerd door middel van enkele aanpassingen uit te voeren waarvan de introductie van patches de belangrijkste is. De uitwerking ervan wordt vervolgens gebruikt als black box om met behulp van machine learning-concepten gezichtsexpressies uit het CFCS-systeem te classificeren. De classificatie van deze Facial Events kan gebruikt worden voor tal van toepassingen zoals - in deze thesis - pijndetectie.

Intelligente internet helpt je slimmer zoeken
Zoek je de laatste nieuwtjes over Johnny Depp of Keira Knightley? Google is je vriend: in een fractie van een seconde schotelt de zoekrobot je alle pagina's over deze filmsterren voor. Dit komt omdat Google iedere internetpagina op voorhand heeft gelezen en ingedeeld per onderwerp. Maar hoe werkt het dan als je afbeeldingen wil van deze acteurs?

De leesbaarheid van patiëntenbijsluiters laat nog vaak te wensen over.
De Nederlandstalige scoren slechter dan de Duitstalige
 
Het weekblad Knack publiceert in haar uitgaven van oktober een reeks van vier artikelen over geneesmiddelenveiligheid in Europa. Het eerste artikel handelt over de communicatie van de farma-industrie met de patiënt. Een zeer belangrijke vorm van communicatie is de bijsluiter die ze in elke geneesmiddelen verpakking meegeeft.