TY - CPAPER TI - Applied Face Recognition in the Humanities AU - Bullin, Martin AU - Henrich, Andreas PY - 2024 SP - 179-191 PB - Otto-Friedrich-Universität CY - Bamberg UR - https://fis.uni-bamberg.de/handle/uniba/95619 LA - eng AB - 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. KW - Face Recognition KW - Face Detection KW - Scene Classification KW - Personality Mapping KW - Personality Recognition ER - TY - CPAPER TI - Exploiting Exif Data to Improve Image Classification Using Convolutional Neural Networks AU - Lederer, Ralf AU - Bullin, Martin Heinrich AU - Henrich, Andreas PY - 2023 T2 - Image Analysis and Processing – ICIAP 2023 22nd International Conference, ICIAP 2023, Udine, Italy, September 11–15, 2023, Proceedings, Part I SP - 475-486 PB - Springer Nature CY - Cham T3 - LNCS SN - 9783031431470 DO - 10.1007/978-3-031-43148-7_40 UR - https://fis.uni-bamberg.de/handle/uniba/94805 LA - eng ER - TY - CPAPER TI - Applied Face Recognition in the Humanities AU - Bullin, Martin AU - Henrich, Andreas PY - 2023 VL - 3630 SP - 179-191 CY - Aachen, Germany SN - 1613-0073 UR - https://fis.uni-bamberg.de/handle/uniba/93457 LA - eng AB - 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. KW - Face Recognition KW - Face Detection KW - Scene Classification KW - Personality Mapping KW - Personality Recognition ER - TY - CHAP TI - Die inhaltsbasierte Bildsuche und Bilderschließung : Ansätze und Problemfelder AU - Bullin, Martin Heinrich AU - Henrich, Andreas PY - 2023 SP - 11-34 PB - Otto-Friedrich-Universität CY - Bamberg UR - https://fis.uni-bamberg.de/handle/uniba/90120 LA - deu AB - 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. KW - Bilder KW - Suche KW - Erschließung ER - TY - CPAPER TI - Exploiting Geodata to Improve Image Recognition with Deep Learning AU - Arbinger, Christian AU - Bullin, Martin AU - Henrich, Andreas PY - 2022 T2 - WWW '22 Companion : Companion Proceedings of the Web Conference 2022 SP - 648-655 PB - Association for Computing Machinery CY - New York, NY DO - 10.1145/3487553.3524645 UR - https://fis.uni-bamberg.de/handle/uniba/112620 LA - eng ER - TY - CHAP TI - Die inhaltsbasierte Bildsuche und Bilderschließung : Ansätze und Problemfelder AU - Bullin, Martin Heinrich AU - Henrich, Andreas PY - 2020 T2 - Bilddaten in den Digitalen Geisteswissenschaften SP - 11-34 PB - Harrassowitz Verlag CY - Wiesbaden T3 - Episteme in Bewegung: Wissenstransfer von der Alten Welt bis in die Frühe Neuzeit SN - 978-3-447-11460-8 DO - 10.13173/9783447114608.011 UR - https://fis.uni-bamberg.de/handle/uniba/49234 LA - deu AB - 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. KW - Bilder KW - Suche KW - Erschließung ER -