Atnaujinkite slapukų nuostatas

El. knyga: Images as Data for Social Science Research: An Introduction to Convolutional Neural Nets for Image Classification

(University of Illinois, Urbana-Champaign), (Vrije Universiteit, Amsterdam), (University of Washington)

DRM apribojimai

  • Kopijuoti:

    neleidžiama

  • Spausdinti:

    neleidžiama

  • El. knygos naudojimas:

    Skaitmeninių teisių valdymas (DRM)
    Leidykla pateikė šią knygą šifruota forma, o tai reiškia, kad norint ją atrakinti ir perskaityti reikia įdiegti nemokamą programinę įrangą. Norint skaityti šią el. knygą, turite susikurti Adobe ID . Daugiau informacijos  čia. El. knygą galima atsisiųsti į 6 įrenginius (vienas vartotojas su tuo pačiu Adobe ID).

    Reikalinga programinė įranga
    Norint skaityti šią el. knygą mobiliajame įrenginyje (telefone ar planšetiniame kompiuteryje), turite įdiegti šią nemokamą programėlę: PocketBook Reader (iOS / Android)

    Norint skaityti šią el. knygą asmeniniame arba „Mac“ kompiuteryje, Jums reikalinga  Adobe Digital Editions “ (tai nemokama programa, specialiai sukurta el. knygoms. Tai nėra tas pats, kas „Adobe Reader“, kurią tikriausiai jau turite savo kompiuteryje.)

    Negalite skaityti šios el. knygos naudodami „Amazon Kindle“.

Images play a crucial role in shaping and reflecting political life. Digitization has vastly increased the presence of such images in daily life, creating valuable new research opportunities for social scientists. We show how recent innovations in computer vision methods can substantially lower the costs of using images as data. We introduce readers to the deep learning algorithms commonly used for object recognition, facial recognition, and visual sentiment analysis. We then provide guidance and specific instructions for scholars interested in using these methods in their own research.

Daugiau informacijos

An introduction to how object and facial recognition, and visual sentiment analysis, can be used to process images as data.
1 Introduction
1(10)
2 Prerequisites for Computer Vision Methods and Tutorials
11(3)
3 Introduction to CNNs for Social Scientists
14(10)
4 Overview of Fine-Tuning a CNN Classifier for Images
24(14)
5 Political Science Working Example: Images Related to a Black Lives Matter Protest
38(3)
6 The Promise and Limits of Autotaggers
41(9)
7 Application: Fine-Tuning an Open-Source CNN
50(13)
8 Legal and Ethical Concerns in Using Images as Data
63(5)
9 Conclusion
68(1)
10 Data Availability Statement
69(1)
References 70