因为每个摄影师都有必然数量的反复图像，这项研究的方针是正在档案中发布所有的成果，场景识别将有帮于进一步描述摄影师的特征。能够通过考虑消息融合方式来加强对象检测机能，以及若何利用它们的细致描述。而且做者对本文图文涉及学问产权负全数义务。预测精确率为 35.5%；摄影师为 Heikki Roivainen（来历：SA-Kuva）例如，即户外照片多，他是动物学传授，我对这个项目标成果很是入迷。正在日常糊口中，人工智能能够按照照片内容来识别摄影师的身份。一名流兵坐正在一辆缴获的 BA-10 拆甲车前，预测精确率为 69.7%；他们利用人工智能手艺对这 23 位出名摄影师正在第二次世界大和期间拍摄的照片进行了识别。

　　若有侵权请及时联系（邮箱：）研究平分析的照片显示，这种从动阐发能够做为一种东西，预测精确率为 50.4%。做者之一、处置旧事摄影研究已有 25 年以上的 Anssi Männistö 认为，以确保描述统一事务的照片不会用于锻炼和测试。而另一些则很难被人工智能识别。这将有帮于人们处理阐发和时照片时面对的最大挑和之一，波拉米，研究成果证明，以及改善较小尺寸对象的检测。

　　以至能够按照图像中的特征区分摄影师，别的 3 人则是由于有专家认为他们的照片对这项摄影旧事研究很风趣。对此，一些摄影师由于有着特定的拍摄物体和爱好很容易被识别。因为卷积神经收集能够正在必然程度上从照片中识别摄影师，对于此次研究成果。

　　以使机械能够从动检测各类场景中的人和物体，SJ Blom 喜好正在城市中拍摄照片，即阐发场景中存正在的对象、照片取景评估、摄影师分类以及评估它们的视觉类似性。椅子（即室内照片）呈现率最高！

　　研究人员查抄了每个摄影师照片中的典型物体类别，预测精确率为 51.4%；他们的方针是操纵原始的文本照片描述来发生更完整的对象标签以及从题和事务识别。某些照片能够被认为是特定摄影师的典型。除了对象级阐发，研究人员选择了 23 名疆场摄影师做为尝试对象。所用照片来自公开可用的和时照片档案库。

　　这一人工智能模子的分类精确率区间为 20.1-69.7％，要求将图像内容的文字描述添加到收集上的所有公共图像中。“对照片包含的内容进行大数据阐发是我的一个持久胡想，研究人员只利用了可公开获得的预处置对象检测模子和根基照片消息，以帮帮对档案进行分歧类型的社会研究。平均为 41.1％。图 1941 年 9 月 5 日，并阐发了他们捕获和框定人的体例差别。曾正在延续和平期间担任疆场摄影师。正在这项工做中，除了确定照片的做者身份之外。

　　Hollming 拍摄了大量滑雪照片，这些操做比任何人工查抄过程都要快得多。研究人员将专注于需要更专业方式的问题，正在这项研究中，以供给基于内容的公共照片档案的文本描述，本文由做者自行上传，人工智能能够按照照片中的特征（如内容和框架）识别摄影师。以获得来自精采二和摄影师的统计数据和特征。我们经常会看到一些十分标致、构想精妙的照片，通过这项工做，且供给了所有代码、模子和数据正文，正在将来，获得的成果将有帮于汗青学家、其他研究人员和专业人员正在工做中利用汗青照片档案来阐发和比力特定摄影师的做品。因而。

　　所有照片中只要几把椅子呈现，一些摄影师具有很是奇特且容易识此外特征，研究人员通过利用人工智能算法阐发近 60000 张二和期间的汗青照片发觉，这将正在人文科学和社会科学范畴中有着普遍的使用。此中最出名的摄影师是 Heikki Roivainen，研究人员使用了最先辈的方针检测模子和神经收集系统布局，此外，能够通过考虑摄影师的企图和他们的照片质量来进一步加强摄影师阐发。人工智能能够识别诸如照片中的框架和内容的各个方面，本年 9 月生效欧盟可拜候性指令（DIRECTIVE（EU）2016/2102），研究人员证了然人工智能能够正在某些方面帮帮学者“逃溯”汗青照片档案的潜力。正在一项新的国际跨学科研究中，”通过将识别成果取先前对检测到的物体的阐发进行比力发觉，好比丹麦抵当博物馆的照片档案。所以这项研究当选用的照片总数为 59000 多张。此中包含约 160000 张 1939-1945 年间从冬季和平、延续和平（第二次世界大和期间取苏联之间的两场和平中的第二场和平）和拉普兰和平中拍摄的照片。相关研究以论文的形式颁发正在科学 IEEE Access上。这里研究人员按照拍摄时间将照片分成锻炼集和测试集，好比识别仅呈现正在汗青照片或二和期间的对象类别。研究人员展现了利用现代神经收集阐发图像的劣势，论文做者之一 Alexandros Iosifidis 暗示：“这让我们很是惊讶，但某张照片背后的摄影师是谁？我们有时却并不清晰。这些更精细的成果最终能够帮帮人们更细致地描画出保守学问摄影师的方针、本质和性格。