5. Auswertung der Annotationsdaten#
Die vorliegende Fallstudie befasst sich mit Workflows zur automatisierten Filmannotation. Am Beispiel der Filme Konrad Wolfs werden exemplarisch die Möglichkeiten der automatisierten Einstellungs- und Figurenerkennung dargestellt. In den folgenden Abschnitten stehen folgende Lernziele im Mittelpunkt:
Auswertung der automatisiert erstellten Annotationen
Die Struktur der ausgegebenen Annotationen wird verstanden.
Die Annotationen können quantitativ ausgewertet werden.
Die Annotationen können mit Python-Skripten sinnvoll visualisiert werden.
Die Ergebnisse aus den Annotationen können analysiert werden.
Wir befinden uns damit beim 4. Schritt unserer Fallstudie, in dem die erzeugten automatisierten Annotationen ausgewertet werden. Zu Beginn des Kapitels wird die Struktur der erhaltenen Annotationsdaten genauer betrachtet. Mithilfe von Jupyter Notebooks und Python Skripten werden anschließend verschiedene Visualisierungen zu den Annotationsdaten erstellt, die die Grundlage einer explorativen Auswertung der Annotationsergebnisse bilden.
Fig. 5.1 Schritt 4: Auswertung der automatisierten Annotationen#
Bearbeitungszeit
Die geschätzte Bearbeitungszeit dieser Lerneinheit beträgt ca. xx Minuten. Dies schließt die gekennzeichneten Übungsaufgaben, deren Bearbeitungsdauer individuell variiert, aus.
Die geschätzte Bearbeitungsdauer inklusive der einzelnen Übungsaufgaben beträgt ca. xx Minuten.
Bitte beachten Sie: Die tatsächliche Bearbeitungsdauer kann je nach Ihren Vorkenntnissen unterschiedlich ausfallen. Die angegebene Zeitangabe dient lediglich als Orientierungshilfe.
Die Jupyter Notebooks zur Erstellung von Visualisierungen können bereits ausprobiert werden, sind allerdings noch nicht final. Einstellungs-Visualisierung Figuren-Visualisierung