用户每天都会在平台上上传数百万张照片，例如Flickr，Instagram或Facebook。对卡尔斯鲁厄理工学院(KIT)研究人员的一项研究表明，这些照片可用于评估某些景观的社会重要性。为此，他们开发了一种基于人工智能的图像分析方法。结果可能对景观管理和展示特别重要。结果发表在“生态指标”杂志上。

有效的生态系统对人类至关重要：它们提供主要资源，如食物，水或燃料。但他们也扮演着度假胜地，度假胜地或美学照片主题的文化角色。“人们在网络平台上发布的许多照片显示，景观具有巨大的文化重要性，”加西米 - 帕滕基兴的KIT气象和气候研究所的Heera Lee博士说。在她看来，这必须在可持续发展和景观规划中加以考虑。因此，Lee及其团队为景观规划师开发了一种方法，可以快速可靠地在社交媒体中使用照片，从而得出有关景观社会文化重要性的结论。

她的研究“绘制文化生态系统服务2.0 - 未标记的人群来源图像的潜在和缺点”以萨克森州Mulde盆地区域为例。“在这里，厄尔士山脉吸引了那些想去远足，骑山地自行车或进行冬季运动的人，”李说。访问者在不同平台上发布的照片​​数量相应较高。在她的学习中，Lee和她的团队收集了从2005年1月1日到2016年12月31日在Flickr上发布的照片​​。在此期间，725名不同的人在线平台上传了大约13,000张该地区的照片。

对照片的评价高度详细地反映了游客和当地居民如何利用Mulde盆地进行休闲活动或享受大自然。现在，景观规划者可以识别“热点”，更好地了解某些地区的社会文化重要性。在此基础上，他们可以限制进入濒危地区或创建支持其活动的报价和设施。

借助机器学习和人工智能进行图像评估

为了获得关于景观的社会文化使用的可靠和相关的陈述，李和她的团队开发了一种新的方法，也考虑了照片的内容：“我们不仅想知道照片的拍摄地点和时间，主要是拍摄的内容。这是确定该地区文化热点的唯一方法。“

研究人员在出版时从用户提供的标签中获取了有关照片的信息。它们显示了拍摄照片的位置以及可以在其上看到的内容。然而，研究人员必须应对两个挑战：用户给出的标签质量和评估持续时间。虽然Flickr建议照片和视频的标签，但并非所有用户都使用它们。由于所研究的2500张照片完全没有标签，590只有一个标签，研究人员团队决定使用基于深度卷积神经网络的图像识别算法通过云计算平台Clarifai进行自动标记。该算法为每张照片分配了20个标签。总共有2317种不同的标签应用于大约13,000张照片。

“然后我们假设类似的照片包含类似的标签。如果在多张照片上共同出现类似的标签，我们认为这是照片归属于一起的指标，”Lee说。在社交网络分析的帮助下，研究人员将标签分为九个主题集群，并将照片分配给这些集群中的一个或几个。花朵或蝴蝶的特写视图被分配到群集“存在”，因为它们显示了所研究区域中存在的物体。Lee和她的团队随后通过人工评估检查了方法的准确性：大约20%的标签被错误地分配。然而，研究人员期望通过进一步开发人工智能可以显着提高任务的可靠性。此外，

所开发的方法也加速了评估。将标签分配给近13,000张照片大约需要3个小时。作为比较：手动，一个人每小时可以标记约140张照片。“通过这种方法，我们能够可靠，快速地对社交媒体中的照片进行分类和分配，”Lee说。该方法还可以转移到在互联网上发布了照片的其他区域。欧盟和德国联邦教育与研究部分别为两个项目(即OPERAs)和BiodivERsA 2011的CONNECT项目资助了Heera Lee的研究。