自动图像内容提取：在人文学科摄影研究大规模视觉档案中操作化机器学习
计算机视觉与模式识别
2022-04-06 v1
摘要
将机器学习工具应用于数字化图像档案，有潜力革新人文学科与社会科学中视觉研究的定量研究。能够处理比传统可行数量多百倍的照片，并以广泛的一组变量对其进行分析，将有助于对该材料更深入的洞察。总体而言，这些变革将助力工作流从简单的手动任务转向更高要求的阶段。在本文中，我们引入自动图像内容提取 (AICE) 框架，用于基于机器学习的大规模图像档案检索与分析。我们在一项多学科研究项目中开发了该框架，作为未来摄影研究的框架，通过将传统视觉内容分析方法论重构并扩展以兼容当前及新兴的最先进机器学习工具，并涵盖用于自动内容分析的新型机器学习机遇。所提框架可应用于人文学科与社会科学的若干领域，并可调整并扩展至各种研究设置。我们还提供了不同机器学习技术当前状态的信息，并表明已有多种公开可用的方法适用于广泛的视觉内容分析任务。
引用
@article{arxiv.2204.02149,
title = {Automatic Image Content Extraction: Operationalizing Machine Learning in Humanistic Photographic Studies of Large Visual Archives},
author = {Anssi Männistö and Mert Seker and Alexandros Iosifidis and Jenni Raitoharju},
journal= {arXiv preprint arXiv:2204.02149},
year = {2022}
}