Computer Vision for Digital Humanists

Computer Vision ist für viele Digital Humanists zu einer sehr wichtigen Fähigkeit geworden, aber es ist schwer zu unterscheiden, wie wir unsere Zeit und unsere Bemühungen am besten einteilen können, um mit dieser neuen Technologie umzugehen. Dieses Projekt, das in Teilen als Workshop durchgeführt wurde, bietet eine konzeptionelle Einführung in die damit verbundenen Prozesse, gekoppelt mit praktischen Übungen, die sich auf die Möglichkeiten konzentrieren, wie wir als Geisteswissenschaftler Inhalte kuratieren und Metadaten verwalten können, um die neuen verfügbaren Tools optimal zu nutzen.

Das Projekt hat eine bedeutende Lücke im Bereich der digitalen Geisteswissenschaften geschlossen, indem es sehr gefragte Ressourcen für diejenigen bereitstellt, die daran interessiert sind, Computer Vision in ihre Forschung einzubeziehen. Die Lehrmaterialien und die Winterschule bieten Forschenden und Studierenden das nötige Sprungbrett, um Fachwissen über Computer Vision und Distant Viewing zu erlangen, eine Fähigkeit, die in den letzten Jahren als Paradigma und ‚visueller Turn‘ in den Digital Humanities zunehmend an Bedeutung gewonnen hat.
Die Projektergebnisse haben das Potenzial, die Herangehensweise von Digital Humanists an ihre Arbeit erheblich zu verändern, indem sie visuelle Quellen (die in den Digital Humanities lange Zeit zugunsten textbasierter Daten vernachlässigt wurden) berücksichtigen und sie in die Lage versetzen, komplexere Projekte mit einem besseren Verständnis der beteiligten Technologien in Angriff zu nehmen.

Keywords: computer vision, Winter Schule, Lehrvideos

---

Outcomes

Winter Schule und Feedback

Ein wesentlicher Bestandteil des Projekts war die Winterschule ( Call for Participation ), die vom 8. bis 10. Februar 2023 in Graz stattfand. Die Organisatoren hatten das Vergnügen, die externe Expertin Germaine Götzelmann unter den Referenten zu begrüßen. Weitere Referenten waren Anguelos Nicolaou, Nicolas Renet, Niklas Tscherne, Suzana Sagadin und Sarah Lang vom Zentrum für Informationsmodellierung. Die Veranstaltung verlief reibungslos, und das Feedback der Teilnehmer war durchweg positiv, was den Bedarf an solchen Lehrmaterialien in der DH unterstreicht.

Lehrmaterialien

Ein zentraler Teil des Projekts war die Erstellung von Lehrmaterialien zum Selbststudium von Computer Vision speziell für die Digital Humanities. Diese Materialien bestehen aus Slide Decks, Jupyter Notebooks mit praktischen Übungen in Python sowie aus Lehrvideos. Es wurde eine ganze Playlist mit umfassenden Lehrvideos (insgesamt mehr als 10 Stunden Videomaterial) erstellt, die eine Reihe von Themen abdeckt, von den Grundlagen des maschinellen Sehens und Lernens bis hin zum Training eigener Deep-Learning-Modelle für die eigenen historischen Daten. Darüber hinaus wurde eine Reihe von Foliendokumenten und Jupyter-Notebooks erstellt, die mit praktischen Übungen auf der Grundlage der Workshops gefüllt wurden. In Verbindung mit den Videos bieten diese Materialien einen umfassenden Kurs zum Selbststudium in Computer Vision für Digital Humanists. Sie sind jetzt auf einschlägigen Plattformen wie DARIAH Campus (Slide Decks und Jupyter Notebooks) und Youtube (Videos) verfügbar. Dabei wurde viel mehr Videomaterial erstellt, als ursprünglich erwartet, insgesamt etwa 10 Stunden Videokursmaterial. Diese Videos bieten einen eigenständigen Kurs zum Selbststudium, der wertvolle Fähigkeiten für Computer Vision für Digital Humanists vermittelt.

Video-Playlist ** zum Selbststudium „Computer Vision for Digital Humanists“:**

• Introduction of the Course “Computer Vision for Digital Humanists” [by Sarah Lang]
• Machine Learning for Computer Vision: Introduction to terms & concepts [CV for DH, by Sarah Lang]
• History of Computer Vision: A Timeline [Nicolas Renet, Computer Vision for Digital Humanists]
• Diving into Data [Practical Exercise, by Suzana Sagadin, Computer Vision for Digital Humanities]
• Hello World! A mini deep learning model [Practical Exercise, Suzana Sagadin, Computer Vision for DH]
• Taxonomy of Methods: How is your problem called? [by Angelos Nicolaou, Computer Vision for DH]
• Performance Evaluation: Epistemological challenges in Distant Seeing [Angelos Nicolaou, CV for DH]
• Exploring the large model [Practical Exercise, Angelos Nicolaou, CV for DH]
• Data Management with Tropy [Practical Exercise, CV for DH, by Niklas Tscherne]
• Negotiating Real-World Projects [by Daniel Luger & Angelos Nicolaou (DiDip ERC), CV for DH]
• State of the Art? Projects in the Digital Humanities [CV for DH, by Sarah Lang & Suzana Sagadin]
• What is a medieval charter?
• Takeaways from a computer vision collaboration with Humanists
• Things to consider in data criticism for computer vision
• The engineer‘s perspective on machine learning problems
• What does input shape mean in computer vision?
• Preprocessing image data for PyTorch
• Labelling data to create ground truth for supervised learning