Notice
Stéréotypes viraux : analyser les circulations historiques de l'image médiatique au prisme du deep learning
- document 1 document 2 document 3
- niveau 1 niveau 2 niveau 3
Descriptif
La numérisation massive des collections patrimoniales a ouvert de nouvelles perspectives de recherche sur la dissémination nationale et internationale des productions culturelles et médiatiques. Des travaux récents en humanités numériques s’appuient sur des outils de détection automatique de reprises de textes. Le projet Numapresse a entrepris d'étendre l'analyse de la viralité médiatique aux productions visuelles, en utilisant un corpus pilote de 100 000 illustrations extraites de magazines et de quotidiens de 1850 à 1914. L'identification des images réimprimées est basée sur un modèle d'apprentissage profond. Le modèle
ne permet pas seulement d'explorer plus facilement les motifs visuels internes au corpus : les données générées par les différentes "couches" du processus d'apprentissage peuvent être détournées pour repérer des similitudes et des régularités visuelles.
Après plusieurs tentatives nous avons privilégié les données de la troisième couche : elles représentent apparemment un équilibre optimal entre les données trop "descriptives" des couches précédentes et les données trop "abstraites" des couches suivantes (qui tentent de converger autant que possible sur l'ontologie du modèle). L'identification des reprises et des régularités visuelles contribue ainsi à faire émerger une analyse structurelle globale des "flux" de circulation d'images. Sans surprise nous avons pu repérer un grand nombre de reprises dans le Voleur illustré, qui a agi comme un agrégateur de contenu visuel au XIXe siècle.
Pierre-Carl Langlais (Université Paul-Valéry Montpellier 3, Sorbonne Université)
Intervention
Thème
Dans la même collection
-
Paintings by Artificial Intelligence. Large-scale search for visual similarities
4e intervention de la 1ère session du colloque DHNord 2020
-
Image Mis-recognition: Augmentation, Automation, and Aesthetic Intelligence
2e intervention de la 3e session du colloque DHNord 2020
-
Angelic Movement. Exploring and Understanding Art, Iconography and Composition with Machine Learning
2e intervention de la 2e session du colloque DHNord 2020
-
ImageGraph: A Visual Programming Language for the Visual Digital Humanities
1ère intervention de la 5e session de DHNord 2020
-
Tracking the Circulation of Images Digitally: From Artistic Cartography to the Study of Visual Cont…
JOYEUX-PRUNEL Béatrice
1ère intervention de la 1ère session du colloque DHNord 2020
-
From Artificial Intelligence to Aesthetic Intelligence
Table ronde de la 3 journée du colloque DHNord 2020
-
Understanding Images Through Machine Learning and Deep Learning
Table ronde de la 2e journée du colloque DHNord 2020
-
Une machine qui lit les images : une histoire socio-technique de l'intelligence artificielle en vis…
CARDON Dominique
3e intervention de la 3e session du colloque DHNord 2020
-
"I Want to Dance": Comparative K-Pop Choreography Analysis Through Deep-Learning Pose Estimation
3e intervention de la 2e session du colloque DHNord 2020
-
Distant Viewing Toolkit: Software for Analysing Visual Culture
2e intervention de la 5e session du colloque DHNord 2020
-
The Art Historical Image Collection at Columbia University: Automating Research on Its Construction…
2e intervention de la 1ère session du colloque DHNord 2020
-
The Image-Theories behind Computer Vision
1ère intervention de la 3e session du colloque DHNord 2020
Avec les mêmes intervenants et intervenantes
-
Cultures visuelles en SHS. Construire un corpus de 470 000 images scientifiques avec du deep learni…
LANGLAIS Pierre-Carl
3e intervention de la 4e session du colloque DHNord 2021