356- soortenbank.nl verdwijnt

http://www.soortenbank.nl/
Het wordt er niet beter op, want SoortenBank.nl was best aardig. Gelukkig blijft het grootste deel van de informatie op deze site nog gewoon beschikbaar! Hiervoor verwijzen we alvast naar de volgende Linnaeus-projecten die lang niet zo duidelijk werken..

Om een gevonden soort op naam te brengen zijn er twee determinatiesleutels, de Snelzoeker en de Identificatiesleutel. In de Snelzoeker kan een vis gedetermineerd worden op basis van door de gebruiker te kiezen kenmerken, bij de Identificatiesleutel op basis van vaste kenmerken. Bij de kenmerken is uitgegaan van jong volwassen tot volwassen dieren.

NVIDIA RTX 8000 https://tweakers.net/pricewatch/1325194/pny-nvidia-quadro-rtx-8000.html
https://forum.inaturalist.org/t/computer-vision-update-july-2021/24728

New hardware: Previously we trained on three NVIDIA GP100 cards, this time we trained on a single NVIDIA RTX 8000. This is a newer, faster GPU with as much VRAM on a single GPU as 3 GP100s, and it supports mixed precision training.
New ML stack: Previously we trained using code written for Tensorflow 1 (TF1), this time we trained on code written for Tensorflow 2 (TF2). In addition to being newer, TF2 does a lot of things for us like automatically sizing and managing pre-processing queues to keep the GPUs fed, or orchestrating multi-GPU training and weight sharing. TF2 also supports mixed precision training.
New vision model: Previously we trained an Inception v3 model, this time we trained an Xception model. Xception shares a lot of design features with Inception, but it claims to be better suited to very large datasets like iNaturalist has been growing into. The downsides are that it requires more CPU power and takes up more memory.
New training code: Previously we trained our models using code that our collaborator Grant van Horn wrote as part of his PhD dissertation. This code was written for Python2 and a TF1 variant called tensorflow-slim, both of which have been end-of-lifed. This time we trained using a new codebase that we developed to take advantage of TF2 and Python 3.

https://techbrij.com/setup-tensorflow-jupyter-notebook-vscode-deep-learning

https://arxiv.org/ftp/arxiv/papers/2102/2102.01863.pdf Als je zoekt op de eerste regel van je tekst kan je al best veel vinden..

github.com/joergmlpts/nature-id
Google provides three models that have been trained with iNaturalist data - classification models for plants, birds, and insects. These Google models can be downloaded and used with Google's TensorFlow and TensorFlow Lite tools.

https://www.projectpro.io/article/tensorflow-projects-ideas-for-beginners/455 lpatop click in veel?

his work is the first detailed and comprehensive overview of the distribution of the dragonflies and damselflies of Europe. It is an important milestone for professionals and amateurs alike. Covers the distribution and habitat selection of all 143 European species of dragonflies and damselflies. Gives a complete description of their global and European distribution, illustrated by over 200 distribution maps. Gives for each species information on taxonomy, range, population trends, flights season and habitat. Includes unique photos and flight season diagrams for virtually all European species. Contains extensive background information on taxonomy, conservation, and for each country an overview of the history of odonatological studies. The book is the result of a co-operation of over 50 European dragonfly experts who over the past decade compiled all records of dragonflies and damselflies, from the Azores to the Ural and from the North Cape to Lampedusa. These records were gathered by thousands of volunteers from across Europe. This endeavour was coordinated by Jean- Pierre Boudot (Société Française d’Odonatologie) and Vincent Kalkman (European Invertebrate Survey – Netherlands/Naturalis Biodiversity Centre). To download the file, please click on 'More' and then to 'Download' on the menu above.
https://www.researchgate.net/publication/291165298_Atlas_of_the_European_dragonflies_and_damselflies

anavond en i.i.g. ook nog morgen op RTV West :

de documentaire Zand, Wind, Water

(over natte duinvalleien o.a. Meijendel in Scheveningen)

10 jaar natuurherstel in de duinen van Zuid-Holland

vogels, planten, insecten, zoogdieren, reptielen, alles komt aan bod

prachtige docu van ong. 25 minuten AANRADER

https://pyimagesearch.com/2015/09/07/blur-detection-with-opencv/
https://www.hindawi.com/journals/ijo/2021/2785225/
https://soorajsknair.medium.com/blur-detection-using-opencv-laplacian-and-fft-based-approach-47b6c690cf8f

https://www.nlbif.nl/beeldherkenning-nederlands-caribisch-gebied/

Naturalis Biodiversity Center, Observation International en COSMONiO hebben afgelopen jaren gezamenlijk gewerkt aan het beschikbaar maken van beeldherkenning voor de dieren en planten die in Nederland en België voorkomen. ObsIdentify, de hiervoor gebouwde app, is in korte tijd zeer populair geworden en heeft geleid tot een toename van het aantal waarnemers, een sterke toename van het aantal waarnemingen en een verbeterde betrouwbaarheid van de waarnemingen. De huidige beeldherkenning faciliteert de herkenning van 22.000 soorten uit de Benelux maar is niet geschikt voor het Nederlands Caribisch gebied, oftewel de eilanden Aruba, Bonaire, Curaçao, Saba, Sint Eustatius en Sint Maarten.

Met dit project gaat de Dutch Caribbean Nature Alliance (DCNA), Naturalis Biodiversity Center en Observation International deze omissie verhelpen. Hiervoor gaan ze een beeldherkenningmodel maken gericht op de mariene en terrestrische soorten van het Nederlands Caribisch gebied om dat vervolgens gratis via internet en een app vrij beschikbaar te stellen aan alle waarnemers in verschillende talen. Daarnaast wordt het doorgeven van waarnemingen via de app gepromoot en wordt er een actief validatoren team opgezet voor de kwaliteitscontrole. Deze activiteiten zullen leiden tot meer waarnemers, meer waarnemingen en een hogere kwaliteit aan data in het Caribisch deel van het Koninkrijk der Nederlanden.
https://www.nlbif.nl/beeldherkenning-nederlands-caribisch-gebied/

https://zenodo.org/record/7050651/files/Naturalis%20Biodiversity%20Center%20%282022%29.%20Eindrapportage%20project%20Automatische%20beeldherkenning%20voor%20museumcollecties.pdf?download=1

https://netwerkdigitaalerfgoed.nl/nieuws/kun-je-met-beeldherkenning-de-collectieregistratie-versnellen-naturalis-onderzoekt-de-mogelijkheden/
Heeft Annika een tip voor erfgoedorganisaties die met beeldherkenningmodellen aan de slag willen gaan? 'Bedenk vooraf goed met welk doel je een model zou willen ontwikkelen en kijk wat er allemaal al is gedaan of op komst is,' adviseert Annika. 'Er gebeurt nu wereldwijd zoveel op dit gebied! En deel vooral ook je opgedane kennis.'

De modellen komen te staan op een website die aan dit pilotproject is gewijd. 'Maar nog mooier is een centrale plek waar je alle modellen kunt vinden die wereldwijd ontwikkeld zijn. Vervolgens kan iedereen ze zowel makkelijk gebruiken als ook hertrainen met nieuw materiaal dat beschikbaar komt.'
https://netwerkdigitaalerfgoed.nl/nieuws/kun-je-met-beeldherkenning-de-collectieregistratie-versnellen-naturalis-onderzoekt-de-mogelijkheden/

AI en beeldherkenning zijn niet alleen interessant om in te zetten voor museumcollecties, maar ook voor onderzoek, besluit Annika. 'Neem nieuwe slimme camera's. Aangetrokken door het licht belandt zo'n beestje op een scherm en klik – het gaat op de foto. Vervolgens wordt met AI de soort van het insect bepaald. Fantastisch dat je op die manier kan nagaan welke dieren er in een bepaald gebied leven. En het gefotografeerde beestje? Dat vliegt daarna vrolijk weg, de wijde wereld in.'

De getrainde computermodellen, documentatie en de volledige lijst met categorieën en hun omschrijving (Nederlands- en Engelstalig) is voor hergebruik beschikbaar op Zenodo en Github (pagina's van Melvin Wevers):
Zenodo
Github
Het Noord-Hollands Archief stelt de gehele collectie van Fotopersbureau De Boer voor hergebruik beschikbaar met een Creative Commons Zero publieke domein licentie (CC0). Dit geldt ook voor de gebruikte beelden in de training. Bij gebruik van afbeeldingen of de dataset wordt bronvermelding wel zeer op prijs gesteld.

Meer weten?
Wil je meer weten over de inzet van scene detection en beeldherkenning in het algemeen? In dit artikel gaan we er dieper op in (open beschikbaar):

Melvin Wevers, Nico Vriend en Alexander de Bruin, What to do with 2.000.000 Historical Press Photos? The Challenges and Opportunities of Applying a Scene Detection Algorithm to a Digitised Press Photo Collection, in: TMG Journal for Media History, volume 25, nummer 1 (2022)

Het project Fotografisch Geheugen is mogelijk gemaakt door Mondriaan Fonds en Prins Bernhard Cultuurfonds. De hieraan voorafgaande pilot HisVis is mogelijk gemaakt door een bijdrage van NWO – programma creatieve industrie (NWO KIEM).