@phdthesis{01HJ8D40DJRSDQ2VNY1AP1R7Z9,
  abstract     = {{Tijdens de afgelopen decennia hebben tal van onderzoeks- en erfgoedinstellingen het initiatief genomen om massaal hun collecties te digitaliseren. Dit heeft geleid tot een sterke toename in het ontwikkelen en toepassen van artificiële intelligentie (AI) technieken. Deze thesis richt zich op het efficiënt gebruik van AI voor het creëren en analyseren van verschillende types digitale archieven. In eerste instantie wordt de focus gelegd op de verwerking van fotoarchieven, waarbij automatisch relevante personen en objecten worden herkend. Vervolgens beschrijft de thesis methodes voor de geolocalisatie en segmentatie van topografische kaarten. Daarna worden herbaria verwerkt, met de focus op automatische preprocessing en segmentatie van planten. Als laatste worden technieken besproken voor het geolocaliseren en analyseren van social media. De resultaten tonen aan hoe AI en datagedreven methodes waardevol zijn voor het creëren, analyseren en beheren van digitale archieven. Ze leveren een tijds- en kostenbesparing op en verrijken de archieven met extra metadata, waardoor de toegankelijkheid van de collecties aanzienlijk verbetert.}},
  author       = {{Milleville, Kenzo}},
  isbn         = {{9789463557924}},
  language     = {{eng}},
  pages        = {{XXVI, 141}},
  publisher    = {{Ghent University. Faculty of Engineering and Architecture}},
  school       = {{Ghent University}},
  title        = {{Unlocking the potential of digital archives via artificial intelligence}},
  year         = {{2023}},
}