1.1. Lernziele

Filmanalyse und automatisierte Annotation

1. Die Rolle von Annotationen für filmanalytische Prozesse kann dargestellt werden.

2. Quantitative Ansätze in der Filmwissenschaft können beurteilt werden.

3. Mögliche Einsatzbereiche automatisierter Filmannotation können skizziert werden.

4. Eine Fragestellung zur quantitativen Filmanalyse kann formuliert werden.

Computer Vision für die Filmanalyse

1. Die grundlegende Funktionsweise von Computer Vision kann beschrieben werden.

2. Grundlegende Begriffe wie Machine Learning, Algorithmus und Modell können definiert werden.

3. Die Funktion von Schwellenwerten kann erklärt werden.

4. Die Einsatzmöglichkeiten von Computer Vision für filmanalytische Aufgaben können benannt werden.

5. Die Möglichkeiten und Grenzen von Computer Vision Modellen können beurteilt werden.

Automatisierte Annotation von Filmen

1. Geeignete Modelle für die Erkennung von Einstellungslängen und Figuren können ausgewählt werden.

2. Es können geeignete Schwellenwerte für die Erkennung angewendet werden.

3. Die grundlegenden Schritte eines Python-Skripts zur Einstellungserkennung und zur Figurenerkennung werden verstanden.

4. Die Python-Skripte können für eigene Annotations-Projekte modifiziert werden.

5. Die Qualität der Annotationsergebnisse kann beurteilt werden.

Auswertung der automatisiert erstellten Annotationen

1. Die Struktur der ausgegebenen Annotationen wird verstanden.

2. Die Annotationen können quantitativ ausgewertet werden.

3. Die Annotationen können mit Python-Skripten sinnvoll visualisiert werden.

4. Die Ergebnisse aus den Annotationen können analysiert werden.