
AUTOMATISCHES TAGGING: BILDERKENNUNG MITTELS kI DIREKT Im CELUM
Ein DAM-Projekt steht und fällt mit der Qualität des Datenbestands. Assets ohne Schlagworte verhindern eine effiziente Suche und damit auch eine bequeme Nutzung durch die Anwender. Manuelles Tagging oder Verschlagworten kostet jedoch viel Zeit, Geld und Ressourcen. Mit dem CELUM Autotagger ist das für CELUM-Projekte Geschichte.
Der Autotagger identifiziert und tagged einzelne Assets oder ganze Ordnerstrukturen per Mausklick. So können sich die Mitarbeiter auf wichtigere Tätigkeiten konzentrieren, Ressourcen werden frei und ein wesentlicher Schritt für ein erfolgreiches DAM-Projekt
ist getan. Der CELUM Autotagger ist eine Extension und insofern schnell integriert. Die Lösung kann sowohl als SaaS oder On-Premise Variante betrieben werden.
6 FRAGEN ZU IHREM DAM-PROJEKT
Wie viele Bild-Assets hast du?
Wie viele Bild-Assets kommen monatlich hinzu?
Wie viele Mitarbeiter werden die Assets in das DAM einpflegen oder tun das bereits?
Über welchen Zeitraum hinweg?
Wie werden neue Assets behandelt?
Was könnten die Mitarbeiter stattdessen machen?
Wenn du die Antwort auf diese Fragen hast, siehst du die Argumente für die automatische Verschlagwortung klar vor dir. Zudem rechnet sich der CELUM Autotagger umso mehr, desto größer die Anzahl beziehungsweise die Zuwachsrate der Assets ist.
MACHINE LEARNING: DIE KI LERNT DEINE PRODUKTE KENNEN
Viele Unternehmen verfügen über spezielles Bildmaterial, zum Beispiel von den eigenen Produkten. Out-of-the-box kann der CELUM Autotagger zwar einen Schwan von einem Segelschiff oder ein Auto von einem Haus unterscheiden, aber vielleicht nicht einen Cappucino von einem Latte Macchiato. Mit speziellen Trainingsroutinen kann der Algorithmus deine Produkte kennenlernen und in das Autotagging einbeziehen. Nötig sind dafür nur genügend Trainingsbilder und natürlich visuelle Unterschiede zwischen den Produkten.
Passende Schlagworte in Sekunden
Verbesserte Suchperformance durch passende Tags
Machine Learning: lernfähige KI für spezielle Motive
Autotagging in mehreren Sprachen gleichzeitig