Kuvien määrä on digitaalisen kuvauksen aikana räjähtänyt käsiin. Digital Asset Management (DAM- digitaalinen aineistonhallinta) sovellukset tarjoavat yrityksille ratkaisuja hallita kuva- ja mediakirjastojaan. Tehokas Digital Asset Management vaatii toimiakseen avainsanoja, sillä miten muuten voit tehokkaasti etsiä tiedostoa tuhansien tiedostojen joukosta?

Tutustu tekoälypohjaiseen kuvantunnistukseen

Lue blogistamme: AI assisted classification in DAM

Kuvien löytämisen kannalta avainsanoitus ja luokitus ovat varsin merkittävä asia. Avainsanojen tägääminen on avain kuvien optimaaliseen jäljitettävyyteen digitaalisessa aineistonhallinnassa. Voiko koneoppiminen tai tekoäly automatisoida avainsanoitusta?

Aineistonhallinnan raskaimmat työvaiheet

Metatietojen lisääminen joka ikiselle kuvatiedostolle on raskas ja aikaa vievä työvaihe toimivan DAM-sisällön toteuttamisessa sekä digitaalisen sisällöntuotannon arvon parantamisessa. Koska hakukriteerien kirjoittaminen kuvatiedoston kylkeen on työlästä puuhaa jää se suurimmaksi osaksi kirjoittamatta tai ainakin sitä tehdään riittämättömästi. Tägäys sitoo henkilöstöresursseja ja on valitettavan usein se työvaihe joka eniten hidastaa projektien toteutusta toimivaksi hyötykäyttöön ja pahimmassa tapuksessa voi jopa johtaa yrityksen DAM projektin epäonnistumiseen. Tutustu miksi oikea metadata on niin tärkeä aineistonhallinnassa tästä.

Kuvientunnistus ja koneoppiminen läpimurron kynnyksellä

Tekoäly, eli AI, koneoppiminen ja syväoppiminen kuulostavat ehkä scifiltä, mutta yksi haara, kuvientunnustus, on kehittynyt valtavasti viime vuosina. Uudet teknologiat kiinnostavat muutenkin, koska niiden uskotaan olevan läpimurron kynnyksellä.

Kehittyneet algoritmit, syväoppiminen ja datan varastoinnin jatkuva kehitys mahdollistavat ainakin kohdistettujen “älykkäiden” tai "yksinkertaisten" kuvientunnistuksien rakentamisen. Kuvientunnistus perustuu siihen, että ensin käyttäjä/kehittäjä tarjoaa sovellukselle valtavan määrän valokuvia ja opettaa sen sisällöstä, ja sen jälkeen ohjelma etsii vastaavia rakenteita uusista kuvista.

Kuvientunnistus tuo lisäarvoa ja säästää aikaa käyttäjille

Tekoälyyn ja koneoppimiseen perustuva kuvientunnistus auttaa meitä säästämään valtavasti aikaa ja resursseja. Arkistoinnin työkulussa hakusanoittaminen tulee alustavana ehdotuksena käyttäjälle, jota hän sitten voi kuratoida. Ilman kuvientunnistuksen avustavaa päättelykykyä joudutaan työ tekemään vanhanaikaisesti ja tehottomasti joka lisäksi on äärimmäisen aikaavievää puuhaa. Sovelluksen algoritmi kykenee analysoimaan käyttäjälleen useita satoja kuvia sekunnissa!

Viemällä luettelointi nykyaikaan automaattisella kuvien kuvientunnistuksella ja tägäyksellä voidaan jo tämän perusteella etsiä sisältöä ulkoasun samankaltaisuuden, avainsanojen tai molempien perusteella. Näin saadaan helpommin tarvittavat kuvat löydettyä tehokkailla hakusana-suosituksilla.

Clarifai on yksi johtavista kuvientunnistusteknologia-yrityksistä

Communication Pro valitsi Clarifain tekoälyyn perustuvan kuvientunnistuteknologian liitettäväksi Cumulus MediaBank DAM ratkaisuun. Tällä ratkaisulla tarjotaan MediaBankin käyttäjille sekä tehokkaampaa sovellusta että parempaa käyttäjäkokemusta.

Automatisointi jossa kuvat viedään kuvapankkiin ja anlysoidaan lennossa luetteloinnin yhteydessä on merkittävä askel eteenpäin DAM:in käyttökokemukselle. Käyttäjälle se on korvaamaton ajansäästäjä. Kuvien tunnistus algoritmi tunnistaa 11000 asiasanan joukosta kuvista rakenteita sekä myös päävärit, jotka tallennetaan hakukriteeriksi DAM järjestelmään. Näin kuvia voidaan lajitella ja hakea myös dominanttivärien perusteella.

Syväoppiminen tekee sovelluksesta älykkäämmän

Monella brändillä on ainutlaatuisia taksonomioita ja avainsanoja joita he haluavat käyttää. Seuraava kehitysaskel on siinä, että sovellus käyttää asiakkaiden yksilöllisten tarpeiden kautta muokattuja malleja ja hakutunnisteita. Tämän avulla asiakkaat voivat itse vaihtaa, hyväksyä tai hylätä suositeltuja hakutunnisteita.

Konseptikohtainen syväoppiminen

Sovellus tunnistaa sille opetetut rakenteet ja pystyy nopeasti analysoimaan valokuvia ja kertoo, onko niissä autoja, vuoria vai lapsia. Tapauskohtaisella räätälöidyllä syväoppimisella voidaan nopeasti ja helposti "opettaa" tekniikkaa ymmärtämään uusien käsitteiden merkitystä.

Voit harjoitella konseptia/mallia hahmottamaan kenkiä, esimerkiksi merkitsemällä vaikka 10 kuvaa Niken kengistä, ja opettaa sen samalla tunnistamaan Nike brändin. Jokaisella uudella kuvalla sovelluksesta tulee älykkäämpi ja se pystyy paremmin tunnistamaan opetetun käsitteen! Syväoppiminen on koneoppimista, jota tällä sovelluksella kohdennetaan kuviin, kieliin, muotoihin ja abstraktioihin.

Tekoäly voi katsella videoita ja kertoa mitä se näkee

Clarifai tarjoaa videoiden tunnistustekniikkaa jolla voi kehittää uusia tapoja järjestää videokokoelmat ja videomateriaalia. Ohjelmisto analysoi videon nopeammin kuin ihminen voi katsella sitä. 3,5 minuutin leike käsitellään vain 10 sekunnissa. Videoclipin kohtauksissa esiintyy eri esineitä tai tyyppejä, vaikkapa autoja, puita tai ihmisiä. Sovellus voi nopeasti tunnistaa asioita, jotka näkyvät videoita.

Clarifai:n videokäsittely-sovellus tunnistaa esineitä sekä kohtauksia videosta ja tarjoaa samalla siitä aikajanan, jossa voi siirtyä videossa kohtaan, jossa tietty elementti näkyy. Ohjelmisto, joka ymmärtää, mitä videolla näkyy voi johtaa uusiin videoeditointi muotoihin. Videon sisällön ymmärtäminen tekoälyllä tuottaa jatkossa valtavan määrän informaatiota. DAM on johdonmukainen paikka tallentaa tätä valtavaa tietomäärää.

Monikielinen hakusanoitus tuo valtavan ajansäästön

Yksi valtava etu DAM-työnkulussa on mahdollisuus lisätä avainsanoja useilla kielillä. Yleensä hakusanojen lisäys monikielisesti ei resurssien ja ajankäytön kannalta ole mahdollista yrityksessä, vaikka DAM-sovellus tarjoaisi kentät tätä varten.  Monikieliset hakusanat tuovat hyödyn kansainvälisesti toimiville yrityksille ja mahdollistaa käyttäjilleen paremman käyttäjäkokemuksen.

DAM:issa aineistot ovat uudelleenkäytettävissä

Kuvientunnistus toimii useimmiten sovelluksissa ratkaisuna johonkin yksittäiseen käyttötarkoitukseen ja usein vain kertakäyttöisenä. Keskitetyssä aineistonhallinnassa tavoitteena on jalostaa aineisto monen eri käyttösovellusten tarpeisiin.

DAM:issa aineiston julkaisu on hallittua

Syy miksi DAM-ratkaisu on enemmän kuin tervetullut, mahdollisesti jopa edellytys kuvientunnustus tekniikoiden tehokkaassa hyödyntämisessä on siinä, että kuvat eivät automaattisesti saa olla julkisia ennen kuin joku yhtiössä on tarkistanut ja korjannut oikeellisuuden hakusanoissa. Etuna soveltaa keskitettyä DAM-ratkaisua ja työnkulkua yritystasolla on siinä, että luetteloidut kuvat ovat aina valvottuja, korjattuja ja hyväksyttyjä sovittuun käyttöön yrityksen sisällä ja niitä voidaan vaivattomasti jakaa eri kohderyhmille.

DAM:issa tarkistetaan aineisto huolella

Tarkistaminen on tae sille että vain hyväksyttyä sisältöä julkaistaan yrityksessä, näin vältytään mahdollisista vahingoista oman brändin kohdalle. Vielä huolestuttavampi asia olisi hyväksymättömien kuvien julkaisu vahingossa esimerkiksi sosiaalisessa mediassa josta seurauksena voisi olla oikeudellisia ristiriitoja. Lieventääkseen riskiä kuvien kontekstin väärinkäytöstä organisaation sisällä edellyttää tämä aina jonkinlaista henkilöä tarkastamaan sisältö ja tallentamaan hyväksytty tieto keskitettyyn DAM-järjestelmään.

 

Lataa opas: Näin kuvantunnistus parantaa mediapankin sisältöä

 

Ihmisillä edelleen merkittävä rooli

Johtopäätöksenä voidaan todeta: "tekoälypohjainen laskenta voi nopeuttaa prosesseja ja vähentää manuaalista toimintaa parhaimmillaan, mutta kuvakohtaisten johtopäätösten tekeminen on pohjimmiltaan ihmisen toiminto, joka edellyttää jatkuvaa päätöksentekoa jota vain ihmisen oivallus voi tarjota". Ihmisen päättely muodostaa siis edelleen suuren osan työnkulusta ja kustannuksista kuvienhallinnassa.

DAM-automaatiomoduli on tehokas apuri

Communication Pro tarjoaa tällä uudella kuvientunnistuksen automaatiomodulilla helpompaa työnkulkua ja lisäarvoa DAM käyttäjilleen. Modulilla parannetaan MediaBankin laatua ja säästetään aikaa luetteloinnissa suhteessa perinteisesti ja manuaalisesti avainsanoitettujen kuvien syöttömalliin.

Tutustu tekoälypohjaiseen kuvantunnistukseen