Die Recherchemöglichkeiten und die Vermarktbarkeit von visuellen Inhalten sind stark von der effizienten Lokalisierung in grossen Bildersammlungen abhängig. Im Rahmen eines Forschungsprojektes der Hochschule für Technik und Wissenschaft HTW Chur und Keystone wurden fortschrittliche Informationsextraktionsmethoden entwickelt, die die Konvergenz zwischen textuellen Bildbeschreibungen und Bildinhalten überprüfen, um relevante Metadaten automatisch beziehen zu können.

Eine leistungsfähige und effiziente Bildsuche ist essentiell, um die optimale Auffindbarkeit und Vermarktung von Bildern sicherzustellen. Fotoagenturen wie Keystone beschäftigen daher Bildredakteure und -redakteurinnen, um Bilder mit Schlüsselwörtern und Zusatzinformationen zu versehen und somit die Bildsuche zu verbessern. Kernproblem dieses Ansatzes ist die rasant steigende Menge an digitalen Artefakten, welche eine manuelle Erfassung zunehmend unmöglich macht. In der Praxis führt dies dazu, dass nur ein Bruchteil der Bilder mit qualitativ hochwertigen Beschreibungen versehen werden kann, was sich negativ auf die Qualität der Suchergebnisse auswirkt.

Im Rahmen eines durch den Bund geförderten Forschungsprojektes hat die HTW Chur gemeinsam mit Keystone maschinelle Lernverfahren entwickelt, welche die Suchmöglichkeiten für Bilder signifikant verbessern. Das Imagine-Projekt setzt dabei auf Technologien der künstlichen Intelligenz, welche es ermöglichen Teile des Beschreibungsprozesses vollständig zu automatisieren.

Maschinen recherchieren im Semantischen Web
Das Training von entsprechenden Maschinen ist aufgrund der grossen Vielfalt der Bildmotive sehr komplex. Um dieses Problem zu umgehen, hat das Forscherteam der Bündner Fachhochschule die Datenbank mit der Fähigkeit auf Hintergrundinformationen aus dem Semantischen Web zuzugreifen, ausgerüstet. Das Semantische Web bietet speziell für Maschinen aufbereitete Informationen, welche eine automatisch Recherche in den entsprechenden Datensätzen ermöglichen. So sind zum Beispiel weite Teile von Wikipedia und Datensätze der Bundesverwaltung in diesem Format verfügbar und erlauben es bereits heute Maschinen auf Milliarden von Einzelfakten zuzugreifen.

Bilder besser finden dank Klassifizierung und dynamischer Bildvorschläge
Dadurch werden Maschinen zum Beispiel in die Lage versetzt, automatisch Personen, Organisation und Orte in textuellen Bildbeschreibungen zu identifizieren, können Hintergrundinformationen zu den erkannten Subjekten und Objekten abfragen und diese miteinander kombinieren. Dies ermöglicht es Bilder zu gruppieren und semantisch ähnliche Bilder für bestehenden Suchergebnissen vorzuschlagen. Erkennt das System zum Beispiel, dass auf einem Bild ein Skifahrer zu sehen ist, kann Imagine auf Wunsch automatisch weitere relevante Bilder von genau diesem Skifahrer, seinem Team aber auch Fotos von seinem Wohnort oder von bekannten Personen mit identischem Geburtsort vorschlagen und zugehörige Bildkollektionen erstellen.

Die wandelnde Rolle der Bildredaktion
Diese neuen Technologien ändern auch die Rolle des Menschen signifikant. Während Bildredaktorinnen und -redaktore heute vor allem mit der Beschlagwortung von Bildern beschäftigt sind, werden sie in naher Zukunft die Ergebnisse von maschinellen Beschlagwortungsprozessen überwachen und Maschinen bei der Bearbeitung von Bildern mit hohem Schwierigkeitsgrad unterstützen. Dabei tritt der Bildredaktor/die Bildredaktorin auch zunehmend in die Rolle des Mentors/der Mentorin, der/die sicherstellt, dass sich die Maschine dem Zeitgeist anpasst und eine gute Beschlagwortungsqualität liefert.


Den Artikel finden Sie unter:

http://www.htwchur.ch/ueber-uns/medien/medienmitteilungen/medienmitteilungen.html?no_cache=1&tx_ttnews%5Btt_news%5D=1503&cHash=028409822f32444692074fe17900be3f

Quelle: Hochschule für Technik und Wirtschaft HTW Chur (06/2017)