机构名称：
¥ 1.0
在数字人文科学中，文本仍然是表达和分析的主要媒介（Manovich，2020； McPherson，2009； Meeks，2013； Sayers，2018）。这导致了一些学者将该领域定义为“文本重，可视化光和模拟较差”（Champion，2017年）。但是，大量可用的视觉数据的兴起以及计算分析的能力为奖学金开辟了新的可能性。Wevers and Smits（2020）将这种“视觉转弯”归功于使用深层神经网络来理解图像的复杂计算机视觉算法的扩散和进步。这些网络可以识别层次模式，并将过滤器应用于图像的不同部分（例如识别形状，边缘和纹理），逐渐形成了对输入数据的更复杂和细微的理解。这些模型的准确性和影响仅在数字人文科学中才被探索，但它们被认为是为了极大地改变对文化数据的分析，批评和解释（Arnold等，2022; Arnold＆Tilton，2019; di Lenardo＆di Lenardo et al。 Pustu-Iren等人，2020年；
深入了解Hitchcock计算机视觉数据集
主要关键词
相关文件推荐
