Het zoeken naar foto’s, video’s en films in de collecties van archieven, bibliotheken of andere collectiebeherende organisaties begint vaak met het intypen van een persoonsnaam als zoekterm. Maar relevant beeldmateriaal wordt enkel gevonden als in de bijbehorende beschrijvende metadata de gezochte persoon vermeld staat. Dat is vaak niet het geval, want de creatie van dergelijke metadata vereist van collectiebeherende organisaties veel kennis en (te) veel tijd.

Recent zijn er in Vlaanderen enkele projecten gerealiseerd die onderzocht hebben hoe artificiële intelligentie, en in het bijzonder (semi-)geautomatiseerde gezichtsherkenning, ingezet kan worden om beschrijvende metadata op zowel een efficiëntere als betrouwbaardere manier te creëren. Zo heeft meemoo, samen met IDLab UGent, in het FAME-project met succes gezichtsherkenning toegepast op meer dan 150.000 foto’s van ADVN, Archief van het Vlaams Parlement, KOERS en Kunstenpunt. Niet alleen werd het technische proces verkend, ook de ethische en juridische aspecten werden onderzocht.

De inzichten uit het FAME-project worden ondertussen door meemoo meegenomen in het GIVE-metadataproject. Hierin worden de mogelijkheden verder onderzocht door gezichtsherkenning toe te passen op 120.000 uren videomateriaal uit de cultuursector. Meemoo streeft een structurele aanpak na. Er wordt een proof of concept opgezet en er wordt gewerkt aan de grootschalige toepassing van  gezichtsherkenningstechnologie in het meemoo-archief. Zo hoopt meemoo een grote groep cultuurorganisaties te ondersteunen bij het beter vindbaar en doorzoekbaar maken van hun collecties.

Deze sessie gaat dieper in op deze twee projecten en illustreert hoe de sprong van klein- naar grootschalige gezichtsherkenning gemaakt wordt, en hoe er gewerkt wordt aan een overkoepelende oplossing.