ภาพถ่ายร่วมกับ Panel
จากซ้ายไปขวา: Songphan Choemprayong (Chula), Shigeo Sugimoto (Tsukuba), Christopher Khoo (Nanyang), Hao-Ren Ke (Taiwan Normal)

อาจารย์ ดร.ทรงพันธ์ เจิมประยงค์ นำเสนอผลงานวิจัยเรื่อง “Applying facial recognition technology to enhance access to a biographical digitized image collection: A case study of princessmcs.org collection” ในการประชุมทางวิชาการ Libraries in the Digital Age (LIDA 2016) ณ มหาวิทยาลัย Zadar ประเทศโครเอเชีย เมื่อวันที่ 13-17 มิถุนายน 2559

ผลงานวิจัยชิ้นนี้เป็นส่วนหนึ่งความร่วมมือของคณาจารย์ในภาควิชาบรรณารักษศาสตร์ในโครงการวิจัยเพื่อพัฒนาคลังภาพดิจิทัล “อักษรศาสตรบรมราชกุมารี” เนื่องในพระราชวโรกาสที่สมเด็จพระเทพรัตนราชสุดาฯ สยามบรมราชกุมารี ทรงเจริญพระชนมายุครบ 60 พรรษา ท่านใดที่สนใจจะชมผลการดำเนินโครงการ สามารถเข้าชมได้ที่ http://www.princessmcs.org

ผลการวิจัยในครั้งนี้นำเสนอเฉพาะด้านการนำเทคโนโลยีการตรวจจับใบหน้ามาช่วยในการระบุตัวตนในคลังภาพดิจิทัล พร้อมกับการศึกษาเชิงประวัติแบบปากเปล่า (Oral history) การนำเสนอครั้งนี้เป็นการเสนอในรูปแบบของ Panel ร่วมกับคณาจารย์ทางด้านโรงเรียนบรรรณารักษศาสตร์และสารสนเทศศาสตร์ชั้นนำในเอเชีย ในหัวข้อ Digital Curation Projects and Research in Asia

การนำเสนอผลงานวิจัยชิ้นนี้ได้รับการสนับสนุนจากฝ่ายวิจัย คณะอักษรศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย, กองทุนศาสตราจารย์สุทธิลักษณ์ อำพันวงศ์ ภาควิชาบรรณารักษศาสตร์ และสถานกงสุลใหญ่กิตติมศักดิ์ประจำกรุงซาเกร็บ ประเทศโครเอเชีย

บทคัดย่อ/Abstract

One of the major challenges of digitizing images from various amateur sources is a variety of metadata creation practices.  While some sources may apply an exhaustive approach to describe images in their collections, some provide only a small amount of annotations and/or very brief captions.  The later practice seems to be more common among Thai amateur image collectors.  Non-textual information (e.g., persons, objects, and locations) becomes a key element in providing access to biographical digital image collections.  While major open source repository platforms have yet integrated and/or developed ways to process non-textual information, particularly metadata identifying persons in an image.  Thus, we utilized facial recognition feature in Google’s Picasa software to create metadata in identifying persons in a biographical digitized image collection, princessmcs.org collection.  To commemorate the 60th Birthday Anniversary of Her Royal Highness Princess Maha Chakri Sirindhorn, we have collected 2,516 digitized photos representing Her Majesty’s relationship with the Faculty of Arts, Chulalongkorn University, her alma mater, since 1973.  Because most of the photographs in the collection contain less or no description, we implemented oral history approach by arranging 9 rounds of group interviews with Her Royal Highness’ classmates, friends, faculty members and staff members.  There are fourteen participants in total from all 9 rounds.  These participants narrated the stories as well as identified person names in sample images.  Both participants and sample images were selected purposively in order to maximize the efficiency of the identification of persons in the collection.  The sample images were uploaded to Picasa with all other images.  We used the facial recognition feature to group faces that are similar.  The person names given in Picasa were then mapped to Persons element in a Dublin-Core-based repository, operated by Omeka version 2.3.  In total, we identified 583 persons in the collection.  In this paper, we evaluated the performance of facial recognition technology in generating metadata as well as discussed the benefits and drawbacks of this application in a biographical digitized photography collection.

นำเสนอ “อักษรศาสตรบรมราชกุมารี” ที่โครเอเชีย