Your SlideShare is downloading. ×
Socialsoftware At Work Workshop
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Socialsoftware At Work Workshop

388

Published on

Kollaborative Bildverwaltung mit semantischen Techniken - Vortrag innerhalb des Workshops Social Software @ Work, September 2009, Düsseldorf

Kollaborative Bildverwaltung mit semantischen Techniken - Vortrag innerhalb des Workshops Social Software @ Work, September 2009, Düsseldorf

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
388
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
1
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide
  • -  Das Management vorstellen - Was ist ihr Alleinstellungsmerkmal - Wie ist ihr Geschäftskonzept, also womit möchten Sie Geld verdienen - Wie ist ihr Status quo - Kurzer Überblick zu den Finanzen - Kapitalbedarf, und was Sie mit dem Kapital machen möchten
  • Transcript

    • 1. Kollaborative Bildverwaltung mit semantischen Techniken Social Software @ Work 2009
    • 2. Suche nach Bildern (bei Bildagenturen) www.imagenotion.com Bildkäufer Bildsuchmaschinen Bildbeschriftung erforderlich
    • 3. Community: Bildredakteure in Bildagenturen
      • Unser Fokus: Bildredakteure in Bildagentur
        • Kleine Gruppe, meist 2 bis 6 Personen
        • Aufgabe: Beschriftung der Bilder mit hoher Qualität
      • Kollaboration
        • Iterative Überarbeitung der Bilder
        • Ausarbeitung gemeinsamer Beschriftungsregeln
      • Bildbeschriftung
        • Standard: Textbasiert mittels Bildverwaltungssoftware
        • Stichwörter werden als Text zu einzelnen Bildern hinzugefügt
        • Oft sehr umfangreich, ca. 30 Stichwörter …
      www.imagenotion.com
    • 4. Textbasierte Bildbeschriftung: Homonyme
      • „ Paris Hilton“ vs. „Paris Hilton“
      www.imagenotion.com Ortssuche: Paris Hilton im Hotel Hilton-> Suche: Paris Hilton
    • 5. Textbasierte Bildbeschriftung: Synonyme
      • „ Bauwerk“ vs. „Gebäude“: fehlende Ergebnisse
      • Einzahl vs. Mehrzahl (oft: gemeint Mehrzahl, gesucht Einzahl)
      www.imagenotion.com
    • 6. Mehrsprachigkeit
      • „ dog“ vs. „chien“ vs. „Hund“ vs. …
      • ! Automatische Übersetzung: stark fehleranfällig -> manuell
      www.imagenotion.com
    • 7. Verwandte Bilder
      • „ Flugzeug“ vs. „Doppeldecker“ (speziellere Anfrage)
      www.imagenotion.com
    • 8. Verwandte Bilder: Schauspieler
      • „ Nicole Kidman“ vs. „Schauspieler aus Australien“
      www.imagenotion.com
    • 9. Probleme
      • Textbasierte Beschriftung
        • Sehr zeitaufwendig, somit kostenintensiv
        • Tagging Ansätze: nicht gewollt: eigene Kontrolle über Bilder
        • Kein Hintergrundwissen über verwendete Begriffe
      • Automatische Bilderkennung
        • Bisher kaum Automatisierung für Erkennung von Bildteilen
          • Gesichter
          • Personen
          • Objekte
      www.imagenotion.com
    • 10. Ziel: Zeitersparnis bei Bildbeschriftung
      • Lösungsansatz
        • Nutzung von semantischen Technologien
        • Nutzung und Kombination einer Vielzahl von automatischen Techniken
      www.imagenotion.com
    • 11. Einsatz semantischer Technologien
      • Semantische Technologien
        • Erstellung von semantischen Elementen „Nicole Kidman“
        • Elemente in Beziehung setzen „Nicole Kidman“ ‚hat Beruf“ „Schauspieler“
        • Ergebnis: Ontologien
      • Semantische Technologien ermöglichen
        • Hintergrundwissen: System kennt Bedeutung von Beschriftungen
          • „ Jaguar E-Type“ ist ein Auto
          • „ Nicole Kidman“ ist Schauspielerin aus Australien
        • Unterscheidung von Homonymen
          • „ Jaguar“ ist eine Automarke != „Jaguar“ ist ein Tier
        • Unterstützung für Synonyme: Unterschiedliche Begriffe hinzufügbar
        • Mehrsprachigkeit: Nutzung mehrere Sprachen für semantische Elemente
        • Vorschlag von verwandten Bildern: Flugzeug -> Doppeldecker
      www.imagenotion.com
    • 12. Probleme mit semantischen Techniken
      • Bisher: getrennte Arbeitsabläufe
        • Ontologien: werden erstellt durch Experten
          • Erstellung von Ontologie vor Nutzung
          • Integration in ein semantisches Bildverwaltungssystem
        • Beschriftung: durch Bildredakteure
          • Nutzen vorhandene Ontologien
            • Oft schwer verständlich für Nutzer
          • Fehlende Elemente: müssen an Experten gemeldet werden
            • Kein kollaboratives Erstellen durch Nutzer selbst möglich
            • Wartezeit, bis aktualisiert
          • Ablehnung bei Bildredakteuren
          • Semantische Technologien so nicht einsetzbar
      • Geschwindigkeit
        • Semantische Suche oft deutlich langsamer als textbasierte Suche
      www.imagenotion.com
    • 13. Anforderungen
      • Anforderungen für praktisch nutzbarer Einsatz semantischer Technologien
      • Verständlichkeit
        • Vorhandene Ontologien müssen durch Bildredakteur verständlich sein
      • Nutzbarkeit
        • Ein Workflow: Fehlende semantische Elemente müssen durch Bildredakteure selbst eingefügt werden können
      • Kollaboration
        • Gruppe von Bildredakteuren soll Ontologie gemeinsam erstellen und pflegen können
      • Geschwindigkeit
        • Suchergebnisse müssen schnell erscheinen
      www.imagenotion.com
    • 14. Einsatz automatischer Techniken
      • Problem bei textueller Beschriftung
        • Ergebnisse nicht kombinierbar, z.B. „Ergebnis Personenerkenner“ und „Ergebnis Gesichtserkenner“
          • Mit Kombination: deutlich höhere Qualität des Ergebnisses
      • Lösungsansatz
        • Kombination von semantischen und automatischen Techniken
        • Dann Kombination von Ergebnissen möglich
      www.imagenotion.com
    • 15. ImageNotion
      • Das Bildverwaltungssystem ImageNotion
      • Ergebnis aus dem EU Projekt IMAGINATION
      • Verwendet semantischen Bildbeschriftungen
      • Basiert auf der kollaborativen Erstellung von Ontologien
      • Integriert und kombiniert Vielzahl von automatischen Prozessen
      www.imagenotion.com
    • 16. Imagenotions: visuelle semantische Elemente
      • Imagenotions: visuelle Repräsentierung von semantischen Elementen durch Bilder
      • Konkrete Elemente (z.B. Personen, Filmtitel)
      • Abstrakte Elemente (e.g. gender, profession)
      www.imagenotion.com
    • 17. Erstellung von Ontologien
      • ImageNotion Methode
        • Umsetzung des „Ontology Maturing Process Model“ (FZI)
        • Idee: Ontologien reifen kollaborativ in mehreren Phasen
        • Erstellung integriert in die Arbeit der Bildbeschriftung
      www.imagenotion.com Usage of imagenotions for semantic image annotation
      • Imagenotion
      • Imagenotion
      • 2. Consolidation in communities
      • Descriptive
      • Textual - Label text
      • - Synonyms
      • Date information
      • Links
      • Visual Associate an image
      • 3. Formalization: Rules and relations
      • 1. Create imagenotions Emergence of new ideas
    • 18. Erstellung von semantischen Elementen
      • Beispiel “Kevin Costner”
      • 1, 2) Textuelle Informationen kollaborativ hinzufügen
      • Label, Beschreibung, Synonyme, …
      www.imagenotion.com
    • 19. Erstellung von Beziehungen
      • 3) Kollaborativ Beziehungen erstellen: Semantik!
      • Relationen:
      • is-a Person, has-gender Mann, has-profession Schauspieler
      www.imagenotion.com
    • 20. Semantische Beschriftung von Bildern
      • Beispiel: Beschriftung von Bildteil
      www.imagenotion.com
    • 21. Ergebnis: ein integrierter Arbeitsablauf www.imagenotion.com
    • 22. Kombination von automatischen Prozessen
      • Automatische Prozesse in ImageNotion
        • Gesichtsdetektion und Erkennung
        • Erkennung von Geschlecht und Gemütszuständen (glücklich, traurig, …)
        • Personenerkennung
        • Erkennung von Objekten, z.B. Autos und Flugzeuge
        • Erkennung von Text in bestehenden, textbasierten Beschriftungen
      www.imagenotion.com
    • 23. Beispiel www.imagenotion.com Caption „Prof. Dr. Bernd Raffelhächen unterrichtet Finanzwissenschaft an der Universitä Freiburg; Prof. Dr. Bernd Raffelhäschen an der Uni Freiburg”
    • 24. Zusammenfassung
      • ImageNotion
      • Ergebnis aus Benutzerstudien:
        • semantische Technologien leicht verständlich in ImageNotion
        • Praktische Nutzbarkeit von Ontologien mit ImageNotion Methode
      • Automatische Prozesse
        • Vielzahl von Prozessen, miteinander kombinierbar!
      • => Gewünschte Zeitersparnis umgesetzt
        • Durchgeführte Messungen ergaben Zeitersparnis von ca. 30 Prozent bei Bildbeschriftung mit ImageNotion (vergleich zu textbasierter Beschriftung)
      www.imagenotion.com
    • 25. Aktuelle Arbeit : Unsere Vision
      • Aktuell
      • ImageNotion als Software-as-a-Service
      • Vision
      • Große Menge an Benutzern, beschriften Bilder
        • Kollaborative Erstellung von semantischen Elementen
        • Kollaboratives Training von automatischen Prozessen
          • Training von Objekten
          • Training von Gesichtern
        • Kollaborative Erstellung von Trainingsdaten
        • Wiederverwendbarkeit auf großer Wissensbasis
      www.imagenotion.com
    • 26. Screen Video www.imagenotion.com
    • 27. ImageNotion: Kontakt
      • Andreas Walter
        • Tel: 0721 / 9654 724
        • E-Mail: awalter@fzi.de
      • Webseite: www.imagenotion.com
      www.imagenotion.com

    ×