Verbreed je kennis met onze blogs!

Samen met Elva werkt Notilyze aan een project om het aantal vluchtelingen in vluchtelingenkampen te schatten om het aantal noodzakelijke voorraden in vluchtelingenkampen nauwkeuriger in te schatten.

Tijdens mijn tijd bij Notilyze heb ik een kwantitatief model ontwikkeld voor een van hun grootste klanten als onderdeel van mijn scriptie voor de master Quantitative Finance.

In het vorige artikel over contrast stretching, hebben we percentile contrast stretching onderzocht en hoe dit kan worden toegepast om betere prestaties te verkrijgen in objectdetectiemodellen. Percentile contrast stretching wordt ook wel (histogram)normalisatie genoemd, omdat we het bereik van de pixelintensiteiten normaliseren.

Een belangrijk onderdeel van het trainen van neurale netwerken is het voorbewerken van de input. Er kan veel prestatiewinst worden behaald door de invoergegevens zorgvuldig te onderzoeken, op te schonen en te transformeren.

Zoals vermeld in ons nieuwsbericht, gaan we een model maken om informatie uit satellietbeelden te halen om het aantal vluchtelingen in vluchtelingenkampen in Nigeria te helpen schatten. In deze post gaan we wat dieper in op dit doel. We beantwoorden de vragen “Hoe willen we dit model laten werken?” en “Hoe gaat dit helpen bij het inschatten van het aantal vluchtelingen?”