@inproceedings{bullin2024_95619,
  title = {Applied Face Recognition in the Humanities},
  author = {Bullin, Martin and Henrich, Andreas},
  year = {2024},
  pages = {179-191},
  publisher = {Otto-Friedrich-Universität},
  address = {Bamberg},
  urn = {urn:nbn:de:bvb:473-irb-956198},
  url = {https://fis.uni-bamberg.de/handle/uniba/95619},
  language = {eng},
  abstract = {Several research areas in the humanities and social sciences could potentially benefit from state-of-the-art machine learning technologies. In the field of computer vision, there are exemplary face detection (FD) and face recognition (FR) algorithms that could provide support on several levels. We discuss two application scenarios where the deployment of trained networks can be used to generate further information. We show how FD can be used to recognize scene types such as dialogue and speech on non-photographic images such as Emblematica. The second part shows another application scenario where FR can be used to combine or link images in research datasets with authority records by finding personalities from the Wikidata dataset.},
  keywords = {Face Recognition, Face Detection, Scene Classification, Personality Mapping, Personality Recognition}
}

@inproceedings{lederer2023_94805,
  title = {Exploiting Exif Data to Improve Image Classification Using Convolutional Neural Networks},
  author = {Lederer, Ralf and Bullin, Martin Heinrich and Henrich, Andreas},
  year = {2023},
  booktitle = {Image Analysis and Processing – ICIAP 2023  22nd International Conference, ICIAP 2023, Udine, Italy, September 11–15, 2023, Proceedings, Part I},
  pages = {475-486},
  publisher = {Springer Nature},
  address = {Cham},
  series = {LNCS},
  isbn = {9783031431470},
  doi = {10.1007/978-3-031-43148-7\_40},
  url = {https://fis.uni-bamberg.de/handle/uniba/94805},
  language = {eng}
}

@inproceedings{bullin2023_93457,
  title = {Applied Face Recognition in the Humanities},
  author = {Bullin, Martin and Henrich, Andreas},
  year = {2023},
  volume = {3630},
  pages = {179-191},
  address = {Aachen, Germany},
  issn = {1613-0073},
  url = {https://fis.uni-bamberg.de/handle/uniba/93457},
  language = {eng},
  abstract = {Several research areas in the humanities and social sciences could potentially benefit from state-of-the-art machine learning technologies. In the field of computer vision, there are exemplary face detection (FD) and face recognition (FR) algorithms that could provide support on several levels. We discuss two application scenarios where the deployment of trained networks can be used to generate further information. We show how FD can be used to recognize scene types such as dialogue and speech on non-photographic images such as Emblematica. The second part shows another application scenario where FR can be used to combine or link images in research datasets with authority records by finding personalities from the Wikidata dataset.},
  keywords = {Face Recognition, Face Detection, Scene Classification, Personality Mapping, Personality Recognition}
}

@incollection{bullin2023_90120,
  title = {Die inhaltsbasierte Bildsuche und Bilderschließung : Ansätze und Problemfelder},
  author = {Bullin, Martin Heinrich and Henrich, Andreas},
  year = {2023},
  pages = {11-34},
  publisher = {Otto-Friedrich-Universität},
  address = {Bamberg},
  urn = {urn:nbn:de:bvb:473-irb-901204},
  url = {https://fis.uni-bamberg.de/handle/uniba/90120},
  language = {deu},
  abstract = {Bilder zu suchen und zu analysieren erweist sich als deutlich komplexer als die – ohnehin schon schwierige – Suche und Analyse von und in Textdokumenten. Der vorliegende Beitrag gibt in diesem Kontext einen Überblick über Grundlagen und Konzepte der inhaltsbasierten Bildrecherche für Anwender aus den Geistes- und Kulturwissenschaften. Der erste Teil behandelt die Geschichte und Konzepte zum inhaltsbasierten Image Retrieval: typische Anwendungsfälle, Arten von Bildern, die Rolle der Semantik, die Auswirkungen einer Segmentierung, die sensorische bzw. semantische Lücke sowie Standards der Bildrecherche. Der zweite Teil des Beitrags erläutert verschiedene Herangehensweisen zur Bildsuche und Bildanalyse. Beginnend mit klassischen Bildeigenschaften (Farbe, Textur, Form) über Segmentierungsverfahren und lokale Bildeigenschaften bis hin zu Ansätzen des Deep Learning werden verschiedene Verfahren skizziert und in ihren Stärken und Schwächen charakterisiert. Ein Blick auf einige exemplarische Anwendungen rundet den Beitrag ab.},
  keywords = {Bilder, Suche, Erschließung}
}

@inproceedings{arbinger2022_112620,
  title = {Exploiting Geodata to Improve Image Recognition with Deep Learning},
  author = {Arbinger, Christian and Bullin, Martin and Henrich, Andreas},
  year = {2022},
  booktitle = {WWW '22 Companion : Companion Proceedings of the Web Conference 2022},
  pages = {648-655},
  publisher = {Association for Computing Machinery},
  address = {New York, NY},
  doi = {10.1145/3487553.3524645},
  url = {https://fis.uni-bamberg.de/handle/uniba/112620},
  language = {eng}
}

@incollection{bullin2020_49234,
  title = {Die inhaltsbasierte Bildsuche und Bilderschließung : Ansätze und Problemfelder},
  author = {Bullin, Martin Heinrich and Henrich, Andreas},
  year = {2020},
  booktitle = {Bilddaten in den Digitalen Geisteswissenschaften},
  pages = {11-34},
  publisher = {Harrassowitz Verlag},
  address = {Wiesbaden},
  series = {Episteme in Bewegung: Wissenstransfer von der Alten Welt  bis in die Frühe Neuzeit},
  isbn = {978-3-447-11460-8},
  doi = {10.13173/9783447114608.011},
  url = {https://fis.uni-bamberg.de/handle/uniba/49234},
  language = {deu},
  abstract = {Bilder zu suchen und zu analysieren erweist sich als deutlich komplexer als die – ohnehin schon schwierige – Suche und Analyse von und in Textdokumenten. Der vorliegende Beitrag gibt in diesem Kontext einen Überblick über Grundlagen und Konzepte der inhaltsbasierten Bildrecherche für Anwender aus den Geistes- und Kulturwissenschaften. Der erste Teil behandelt die Geschichte und Konzepte zum inhaltsbasierten Image Retrieval: typische Anwendungsfälle, Arten von Bildern, die Rolle der Semantik, die Auswirkungen einer Segmentierung, die sensorische bzw. semantische Lücke sowie Standards der Bildrecherche. Der zweite Teil des Beitrags erläutert verschiedene Herangehensweisen zur Bildsuche und Bildanalyse. Beginnend mit klassischen Bildeigenschaften (Farbe, Textur, Form) über Segmentierungsverfahren und lokale Bildeigenschaften bis hin zu Ansätzen des Deep Learning werden verschiedene Verfahren skizziert und in ihren Stärken und Schwächen charakterisiert. Ein Blick auf einige exemplarische Anwendungen rundet den Beitrag ab.},
  keywords = {Bilder, Suche, Erschließung}
}

