Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
Sitzungsübersicht
Sitzung
V6: Quantitative Zugänge zu Bildern
Zeit:
Mittwoch, 04.03.2020:
11:00 - 12:30

Chair der Sitzung: Thorsten Wübbena, Leibniz-Institut für Europäische Geschichte (IEG)
Ort: H 3

Zeige Hilfe zu 'Vergrößern oder verkleinern Sie den Text der Zusammenfassung' an
Präsentationen

Critical Machine Vision. Eine Perspektive für die Digital Humanities

Peter Bell, Fabian Offert

FAU Erlangen-Nürnberg, Deutschland

Mit dem Begriff Critical Machine Vision möchten wir in den Digital Humanities Forschungsfragen etablieren, durch die Digital Humanities nicht nur digitale Methoden auf geisteswissenschaftliche Gegenstände anwenden, sondern umgekehrt die informatischen Werkzeuge mit Methoden der Digital Humanities und der Geisteswissenschaften verwenden, um Machine Vision zu analysieren und alternative Lösungswege aufzuzeigen. Wir konzentrieren uns bei der Analyse auf die maßgeblichen Bilddatenbanken, die in der Computer Vision zum Anlernen neuronaler Netze verwendet werden: ImageNet und COCO. Hier sind Verzerrungen und Inkonsistenzen zu beobachten, die dem Anspruch Welt und Alltag zu repräsentieren zuwiderlaufen und eher Stereotypen und westliche Narrative reproduzieren. Sowohl in der kritischen Analyse wie den methodisch-technischen Ansätzen zur Veränderung des Trainings, geht es um die Interpretierbarkeit von Convolutional Neural Networks (CNN).



Multimodaler Bedeutungstransfer vom Text zum Bild. Granulare Bildklassifikation durch Verteilungssemantik.

Simon Donig1, Christoforaki Maria1, Bermeitinger Bernhard2,1, Handschuh Siegfried2,1

1Universität Passau, Deutschland; 2Universität Sankt Gallen, CH

Mit dem vorgeschlagenen Vortrag stellen wir eine erste Implementierung eines Verfahrens vor, um sich die größere Ausdruckskraft von textbasierten Modellen zunutze zu machen, um die Fähigkeiten visueller Klassifikatoren zu erweitern. Ziel des Verfahrens ist es, anders als herkömmliche Klassifikatoren, die vorrangig um die Erreichung von Eindeutigkeit bemüht sind, taxonomische, mereologische und assoziative Beziehungen besser im Rahmen von Bildklassifikationsverfahren zu berücksichtigen und so der Vielgestaltigkeit der Lebenswelt besser Rechnung zu tragen.

Dabei wird ein Convolutional Neural Network (CNN) genutzt, dessen Ausgabe nicht auf einer Serie flacher Textlabel beruht, sondern auf Vektoren. Diese resultieren aus einem Distributional Semantic Model (DSM), welches aus einem historischen Domäne-Textkorpus generiert wurde. Auch mit einem sehr einfachen CNN erreichen wir eine Genauigkeit von 0,62 und können zugleich zeigen, dass die Top5 Label einen engen lebensweltlich-semantischen Bezug zueinander aufweisen.



Friends with Benefits: Wie Deep-Learning basierte Bildanalyse und kulturhistorische Heraldik voneinander profitieren

Torsten Hiltmann1, Sebastian Thiele2, Benjamin Risse2

1Humboldt-Universität zu Berlin, Deutschland; 2Westfälische Wilhelms Universität Münster, Deutschland

Wappen waren in Mittelalter und Früher Neuzeit allgegenwärtig. Doch trotz ihres hohen Erkenntnisinteresses für die Kulturgeschichte wurden sie bislang kaum erforscht. Dies mag auch an der schieren Menge und Vielfalt der Überlieferung liegen, der mit herkömmlichen Mitteln kaum beizukommen ist. Die maschinelle Bildanalyse wiederum profitiert von neuen Bilddomänen, da diese zentral für die Weiterentwicklung algorithmischer Methoden sind. Mit Wappen steht ihr dabei ein relativ leicht formalisierbarer Bildraum zur Verfügung, der zugleich die bisher dominierende Rolle der Bildtexturen in der automatischen Bildanalyse herausfordert.

Dieser Beitrag beschreibt die Entwicklung eines neuen Werkzeugs zur automatischen Detektion von Wappendarstellungen und demonstriert, wie durch Verfahren der Data Augmentation der übliche Erkennungsraum in der Bildanalyse von den Texturen auf die grundlegende Geometrie der Wappen umgeleitet werden konnte. Die so erlangten Ergebnisse wiederum stellen die Kulturgeschichte vor neue und aufschlussreiche Fragen und Perspektiven, womit letztlich beide Seiten erheblich von der gemeinsamen Beschäftigung mit Wappendarstellungen profitieren.



 
Impressum · Kontaktadresse:
Datenschutzerklärung · Veranstaltung: DHd-Tagung 2020
Conference Software - ConfTool Pro 2.6.131
© 2001 - 2020 by Dr. H. Weinreich, Hamburg, Germany