News

Prof. Dr. Atsuho Nakayama und Prof. Dr. Daniel Baier erhielten von der Japanese Classification Society (JCS, http://bunrui.jp/, siehe auch https://ifcs.boku.ac.at/) den Outstanding Paper Award 2021 für den Beitrag „Predicting brand confusion in imagery markets based on deep learning of visual advertisement content“ in der Springer-Zeitschrift „Advances in Data Analysis and Classification“, Beitrag auch hier einsehbar.

Im Beitrag geht es darum, zu überprüfen, ob Werbeanzeigen und/oder Werbespots geeignet sind, beworbene Marken unterscheidbar zu positionieren. Im Kern wird zur Bewertung dieser Eindeutigkeit überprüft, inwiefern ein Convolutional Neural Network trainiert werden kann, das aus Bildinhalten (z.B. Farb- und Kantenverteilung, enthaltene Objekte und dargestellte Szenen) auf eine von mehreren beworbenen Marken schließt. Die Lernfähigkeit des Computers simuliert so die Lernfähigkeit der Konsumenten, eine beworbene Marke zu erkennen. Am Beispiel von 16 marktführenden Pilsbieren (u.a. Krombacher, Radeberger, Licher) und deren Werbematerial wird gezeigt, dass ein so trainiertes Modell zu unterschiedlich genauen Prognosen bei den einzelnen Marken führt und dass diese Unterschiede die Ergebnisse eines aufwändigen Verwechslungsexperiments mit Konsumenten sehr gut replizieren. Werden mittels ImageNet vortrainierte Netzwerke (z.B. VGG16) als Ausgangspunkt genutzt, reicht zudem sehr wenig Werbematerial, ein valides Modell zu schätzen. Mittels GradCAM kann zudem gezeigt werden, dass die Prognosen tatsächlich auf den extrahierten Bildinhalten erfolgen und nicht auf Basis von enthaltenen Texten oder Logos.