DAM指南——DAM软件中的形状与位置识别

数字资产管理软件配备了用于识别形状的工具，从而便于对图像和视频文件进行索引和搜索。

DAM软件中形状识别的使用

在其他系统中，文件的索引和搜索通常基于元数据。这些元数据实际上可以包含描述文件内容的文本信息。

而在数字资产管理软件中，文件的索引和搜索不再仅仅基于附加到每个文件上的元数据：该软件实际上能够访问文件内容。这得益于形状识别工具的使用。在其照片库中，公司可以根据特定标准或相似性对文件进行索引和搜索。具体而言，当您选择一个图像作为识别工具的参考时，DAM软件将找到所有具有相似形状的其他图像。这适用于物体、建筑物、景观、标志乃至人脸的形状。以此方式，DAM软件能够检测并显示所有相似的图像。

更广泛地说，形状识别有时不仅仅限于识别几何形状，还可扩展到对各类物品的识别：字母、数字、条形码、文本结构、调色板，甚至是声音模式。

借助无生命物体的形状识别和面部识别功能，DAM软件可以通过自动归组相似文件来优化您的图像和视频文件搜索。得益于识别工具，企业和公共部门实体能够节省时间并提高生产力。

例如，在Ephoto Dam中，您只需点击照片中出现的人脸缩略图即可启动对该人的搜索，从而找到所有出现该人的照片。

人工智能助力DAM

形状识别和面部识别均依赖于人工智能，为用户带来诸多益处。

首先，我们需要定义什么是人工智能：它是赋予机器的“智能”，使其能够取代人类执行某项任务。此处的任务是指人类原本需要运用自身智能才能完成的工作。在本例中，人工智能通过取代人眼来比较图像，从而支持DAM系统。这意味着您不再需要人工比较图像：机器会代劳处理，为您节省大量时间。事实上，人类可能需要耗费数小时来比较图像；而机器则能在几分钟内，甚至根据照片库的规模仅需几秒钟即可完成相同任务。

就面部识别而言，人工智能始终按三个连续阶段工作：首先检测人脸；其次分析人脸以生成数字模型；最后，识别算法将该数字模型与参考图像的数字模型进行比对。因此，无需依赖人眼，面部识别和机器学习便能自动识别人脸，并根据出现在文件中的人物对文件进行排序。

其背后的原理与识别其他形状（如建筑物和物体）大致相同。人工智能检测到形状后，对其进行分析并进行比对。