Obwohl das Training von KIs bereits sehr einfach ist, gibt es in vielen Archiven so viele unbekannte Personen, dass selbst der Upload von drei Bildern der jeweiligen Person zu einem massiven Zeitaufwand führt. Tausende von Stunden an Videomaterial entwickeln sich so zu einem Datensilo, dessen bereits enthaltene Informationen nicht genutzt werden können. Kann mir DeepVA dabei helfen, wiederkehrende Personen, welche derzeit noch nicht benannt werden können, zu hinterlegen, sodass sie in der Zukunft auch auffindbar sind?
Mit dem DeepVA Deep Indexer werden nicht gelabelte Personen als Nummer referenziert und können damit in Zukunft dann rückwirkend gelabelt werden. Das ist vergleichen mit einem riesigen Memory-Karten Haufen, die KI sucht nach Bildern und Videos einer Person und klassifiziert diese als ein Dataset. Letztlich muss der User dann nur noch den jeweiligen Datasets einen Namen zuordnen und schon bringt man mehr Struktur in sein Archivmaterial.
schnellere Datenerfassung
Kostenreduktion
schnelleres Labeling
Welche Resultate können erzielt werden?
In der Datenbank werden zugeordnete, aber nicht gelabelte Gesichter trainiert und hinterlegt.
Sobald die Gesichter dann gelabelt werden, wird im Nachgang alles Material dem Gesicht und dem Namen korrekt zu geordnet.
Unbekannte Gesichter werden mittels eindeutiger Nummer referenziert
Diese Nummer kann zu einem späteren gelabelt werden
Über alle Assets hinweg wir die Person dann gelabelt, es muss nicht erneut analysiert werden.
Anforderungen
Kontakt
Enter your email below and we will get back to you as soon as possible.
Related use cases
Produkt der Firma «The Chainless».
Designed und entwickelt in Deutschland.
The Chainless GmbH
Wannerstraße 19
79106 Freiburg
Deutschland
Das Projekt wurde indirekt durch das Rahmenprogramm Horizon 2020 der Europäischen Kommission über das Projekt STADIEM (Grant Agreement 957321) gefördert.
