Trefwoorden in Lightroom

Er valt een hoop te vertellen over trefwoorden in combinatie met Lightroom (classic) en dat heb ik dan ook al een aantal malen gedaan. Zo schreef ik in 2018 al eens over ‘helpertrefwoorden’:

'Helpertrefwoorden zijn keywords die helpen om je workflow gecontroleerd te doorlopen. Het trefwoord '@nog_geen_namen' bijvoorbeeld heb ik opgenomen in een slimme verzameling die 'Namen van personen toevoegen' heet. Die bekijk ik af en toe en dan voeg ik de namen toe aan het aantal foto's waarvoor ik op dat moment tijd heb. Daarna verwijder ik het betreffende helpertrefwoord.

Datzelfde jaar schreef ik over hoe hiërarchische trefwoorden kunnen helpen bij het (re)organiseren van je trefwoorden. 

Een paar jaar eerder, in 2014 alweer, een artikel over de verschillende manieren waarop je in Lightroom trefwoorden aan foto’s toe kunt voegen:

1. Met het Trefwoord paneel
2. Met de spuitbus
3. Via het Import menu

In 2008, al weer heel lang geleden, een artikel over het consistent (en slim) gebruik van bepaalde trefwoorden en vooral het contextualiseren ervan: 

Hier gaat het vooral om wanneer je foto's wilt verkopen via een stockbureau. Dan is het belangrijk dat de juiste foto naar boven komt bij een bepaalde zoekterm maar ook dat je trefwoordenvervuiling wilt tegengaan. De zoekmachine zou slim genoeg moeten zijn om bepaalde vervoegingen als meervoud zelf te herkennen.

Nieuwe zoekinterface voor WikimediaCommons

Hay Kranen bouwde een alternatief voor het zoekscherm van WikiMediaCommons dat beter functioneert en bovendien gebruiksvriendelijker is, Hay’s ‘Structured Search’.

WikiMediaCommons is de beelddatabank achter Wikipedia met ruim 60 miljoen beelden.

Je mag de beelden zelf meestal ook vrij gebruiken maar dan moet je dus wel geschikt materiaal kunnen vinden. Het probleem is dat de metadata* (de gegevens die over het beeldmateriaal zijn vastgelegd) niet eenduidig of incompleet zijn vastgelegd. Hay Kranen bouwde echter een nieuwe zoekinterface die hier verbetering in brengt en bovendien een stuk gebruikersvriendelijker is dan de originele zoekoptie van WikimediaCommons. Op woensdag 10 juni 2020 was hij te gast bij Herbert Blankensteijn in deze podcast van BNR (v.a. circa 12 minuten). In zijn nieuwsbrief ‘de Circulaire’ had Hay enkele weken eerder al over zijn initiatief geschreven.

In de zoekinterface van WikimediaCommons zelf is het bijvoorbeeld lastig om beelden vinden met metadata in een andere taal. Zoek je een boom dan vindt je dus geen foto’s die getagd zijn met ‘tree’ of ‘baum’

Hay heeft geen nieuwe zoekmachine gemaakt maar maakt gebruik van bestaande componenten en gebruikt die slim en combineert ze. Een belangrijk component is ‘’gestructureerde data” waarmee twee problemen worden aangepakt:

1. De meertaligheid zoals in het voorbeeld hierboven genoemd (boom, tree, baum)
2. De meerdere betekenissen die een woord kan hebben. Kiwi bijvoorbeeld kan slaan op een vrucht, een vogel of een inwoner van Nieuw Zeeland. Wanneer je op zoek bent naar foto’s van de vogel dan wil je die ook alleen in je zoekresultaten zien.

Bij gestructureerde data hebben daarom alle begrippen (items) een eigen unieke nummer (het Q-nummer). Deze worden door WiKidata uitgegeven, een ander Wiki project waar de Q-nummers worden beheerd (daar waar in Wikipedia de artikelen worden beheerd en audio- en beeldmateriaal in WikiMediaCommons) De vogel Kiwi heeft dan ook een ander nummer dan de vrucht.

Als een fotograaf nu een foto van een Kiwi (vogel) uploadt naar WikiMedia Commons dan kan hij of zij meteen de juiste link aanbrengen naar het ‘Kiwi’begrip (namelijk die van de vogel). Op dit moment is nog maar een paar procent van de beelden voorzien van deze gestructureerde data maar dat wordt snel beter (iedereen kan ze aanbrengen en bij nieuwe uploads wordt er actief om gevraagd). Daarna zijn de betreffende afbeeldingen een stuk beter vindbaar met behulp van het juiste zoekgereedschap, bijvoorbeeld Hay’s ‘Structured Search’: 

 

Als ik nu ‘kiwi’ in het zoekvenster typ verschijnen meteen de ‘categorieën’ waaronder het woord Kiwi beschikbaar is. Omdat ik op zoek ben naar de vogel klik ik de bovenste aan met het Q-nummer Q43642 en vervolgens krijg ik alleen maar vogels in mijn zoekresultaten.

* Beeldmateriaal zoeken gebeurt over het algemeen aan de hand van de gegevens die erover zijn vastgelegd in plaats van echte beeldherkenning. Zoek je een foto van een boom dan zoekt de zoekmachine dus niet echt naar afbeelding die de software herkent als een boom maar kijkt hij in de metadata (zoals bijvoorbeeld het veld ‘trefwoorden’). Als daar het woord ‘boom’ is ingevuld wordt het betreffende beeld in de zoekresultaten getoond. Voor meer achtergrond over metadata zie ook mijn artikelen over Keywording, Keywording deel2 of dit deel over ‘echte’ beeldherkenning.

 

Voorjaar, grote schoonmaak!

Trefwoorden bij foto’s opschonen

In augustus 2018 schreef ik al eens over trefwoorden (link) en toen was ik ervan overtuigd dat ik een consistente lijst met trefwoorden nodig had (‘Controlled vocabularies’) maar jaren later blijkt dat mee te vallen. Mocht je je foto’s willen verkopen via een (micro)stock bureau dan ligt het iets anders maar voor eigen gebruik is het zeker niet noodzakelijk.

Zaken die je als trefwoord (in het engels ‘Keyword’) opneemt hebben normaal gesproken als eerste betrekking op datgene wat er op de foto staat; Wie, Wat, Waarom, Wanneer, Waar en Hoe. Wees daarbij relevant, consistent (als je erom denkt), specifiek en beschrijvend. Gebruik enkelvoud tenzij de spelling met meervoud verschilt (catalogus versus catalogi bijvoorbeeld).

De meeste mensen die al een poosje foto’s beheren hebben al wel eens gebruik gemaakt van trefwoorden. Wanneer je toen geen rekening hebt gehouden met bovenstaande, kan het zijn dat je wilt gaan ‘opschonen’. Nu, met een fotobeheerprogramma als Lightroom (de Classic versie moet ik er tegenwoordig bij zeggen) kan dit heel eenvoudig. Wanneer je in de ‘Bibliotheekmodus’ zit heb je aan de rechterkant een ‘Pane’ die ‘Trefwoordenlijst’ heet:

Hier zie je alle trefwoorden die je in totaal aan alle foto’s hebt toegekend Hier kun je rustig eens doorheen navigeren om te zien of je zaken opvallen je ‘gerepareerd’ wilt hebben:

Hierboven bijvoorbeeld zie ik dat ik een trefwoord ‘avond opname’ heb maar ook een ‘Avondopname’. Nu vind ikzelf eigenlijk de tweede beter, ik wil dus de foto’s die voorzien zijn met het trefwoord ‘avond opname’ aanpassen. Daartoe selecteer ik het trefwoord ‘avond opname’ en klik daarna op het witte pijltje naar rechts dat naast dit trefwoord staat. Daarmee worden alle foto’s die voorzien zijn van dit trefwoord gefilterd.

Je kunt al deze (29 in dit geval) foto’s selecteren d.m.v. de toetscombinatie Ctrl + A (bij Mac is dit Cmd + A).

Het juiste trefwoord (‘Avondopname’) is op verschillende manieren aan deze set foto’s toe te kennen. De twee eenvoudigste zijn:

1. Je kunt de geselecteerde 29 foto’s eenvoudigweg op het betreffende trefwoord slepen met de muis
2. Je kunt het aanvinkvakje (dat voor het trefwoord staat) aanvinken

In beide gevallen gaat de teller achter het trefwoord omhoog van 46 naar 75. Als er niets gebeurt met de teller wijst dit erop dat de foto’s al voorzien waren van het betreffende trefwoord. Dit kan overigens ook voor een deel van de foto’s gelden.

Omdat de foto’s nu het gewenste trefwoord ‘Avondopname’ hebben wil ik het niet-gewenste trefwoord ‘avond opname’ verwijderen. Dit gaat heel eenvoudig door met de rechtermuisknop op dat trefwoord te klikken en dan voor ‘verwijderen’ te kiezen. Je ziet dan onderstaande melding:

Zoals je ziet gebeurt er niets met de foto’s zelf, precies wat we willen. Bevestig dan ook ‘Verwijderen’.

Op deze manier kun je al te trefwoorden doorlopen. Echter wanneer dit er veel zijn dan kan het zijn dat Lightroom ze niet allemaal kan tonen. Dan helpt het om ze te groeperen. In Lightroom is het namelijk mogelijk om een hiërarchie van trefwoorden te maken waarbij het ene trefwoord onder een andere wordt geplaatst. Het trefwoord Zwolle kan dan bijvoorbeeld onder Overijssel komen. Over ‘hiërarchische trefwoorden’ is veel meer te vertellen dan wat ik hier doe. Hier beperkt ik me tot het gebruik ervan bij het reorganiseren van trefwoorden.

Wat ik gedaan heb ik is voor iedere letter van het alfabet een trefwoord op het hoogste niveau aanmaken. Onder de A komen dan alle trefwoorden die beginnen met een A. Dit kan eenvoudig door ze te selecteren en te slepen. Meerdere trefwoorden selecteer je door de eerste aan te klikken, dan de Ctrl (bij Mac de Cmd) toets ingedrukt te houden en dan het laatste trefwoord van de reeks aan te klikken.

Wat ik vervolgens gedaan heb is voor de verschillende soorten trefwoorden categorieën aanmaken:

Nu doorloop ik alle trefwoorden onder ‘A’

• Alle trefwoorden die op een locatie slaan sleep ik naar ‘_Locatie’
• Alle persoonsnamen die ik tegenkom sleep ik naar ‘_Mensen’
• Al mijn ‘helpertrefwoorden’ (Daar zal ik nog een keer een afzonderlijk artikel over schrijven. In augustus 2016 bracht ik het al kort ter sprake) sleep ik naar ‘_Utility set’.

Wanneer ik alle trefwoorden heb doorlopen ga ik naar ‘_Mensen’ en kijk ik of er bepaalde personen dubbel staan genoemd (Dit kan doordat ik vroeger voornaam/achternaam schreef maar tegenwoordig achternaam/voornaam. Verder kunnen meisjesnamen en schrijffouten eenvoudig voor dubbelelingen zorgen). Doe daar hetzelfde als hiervoor beschreven. Het niet meer gebruikte en/of foutief geschreven trefwoord verwijder ik.

Onder ‘_Locatie’ maak ik vervolgens een nadere onderverdeling: Werelddelen, landen en plaatsen. Daar breng ik dan alle trefwoorden verder in onder door ze daar simpelweg naar toe te slepen.

Door er op deze manier aan de slag te gaan met je trefwoorden leer je heel snel de logica die schuil gaat achter bepaalde dubbelingen. Daardoor ga je in de toekomst  trefwoorden consistenter gebruiken. En dat helpt je weer om later foto’s terug te vinden van personen, onderwerpen of situaties.

Succes met de grote schoonmaak!

Kijkerdekijk

Als tiener ontving ik maandelijks de ‘Kijk’, een populairwetenschappelijk tijdschrift. Hij werd steevast persoonlijk afgegeven door de vaste bezorger met "Hier is de kijkerdekijk!". 
Hij dacht daarmee leuk te zijn maar niet om die reden was het altijd fijn dat hij kwam, ik keek namelijk erg uit naar wat er deze maand weer in zou staan!

Na een paar jaar Kijk’s verzamelen (en jaarlijks bundelen in een jaarband) bleek het vaak lastig om bepaalde artikelen terug te vinden. Ik wist zeker dat ik ergens iets over een onderwerp had gelezen maar om het opnieuw te raadplegen of om aan iemand anders te laten zien lukte het me vaak niet of pas na veel moeite om het betreffende artikel terug te vinden.

Uiteraard hadden de afzonderlijke tijdschriften een inhoudsopgave maar per jaargang moest je dan 12 inhoudsopgaven doorbladeren. Allemaal verspreid door de betreffende jaarband en dus onhandig. Bovendien waren de inhoudsopgaven alleen voorzien van de koppen van de artikelen en die bleken vaak niet primair gericht op het overbrengen van de kern van het onderwerp. (Bijvoorbeeld de titel ‘Moeilijk, moeilijk’ wanneer het ging over de Indonesische genocide...).

Ik heb toen een stuk of 10 losbladige notitieboekjes gekocht en daarin onderwerpen op alfabetisch volgorde bijgehouden met het betreffende Kijk-nummer en (start)pagina. 

Het losbladige systeem zorgde ervoor dat wanneer ik een nieuw onderwerp had dat tussen twee andere onderwerpen in moest dan eenvoudig het betreffende blaadje kon vervangen. Een mooi systeem dat initieel wel veel werk koste (al mijn jaargangen doorwerken en de onderwerpen er uit distilleren en registreren) maar waarvan ik naderhand veel plezier had. Ik kon eenvoudig en snel een artikel terugvinden!

Af en toe moet ik hier nog aan terugdenken wanneer ik bezig ben om orde op zaken te stellen met betrekking tot mijn fotocollectie. Ook daar weet ik van bepaalde opnames dat ze moeten bestaan. Het terugvinden is alleen vaak een uitdaging. Vandaar dat ik al jaren geleden gestart ben met specifieke software voor het beheren van mijn collectie. Naast het veiligstellen van de foto’s voor de toekomst gaat het in mijn beleving dan vooral over dat ik de foto’s kan gebruiken wanneer mij dat goed uitkomt. Dat wil zeggen dat ik een bepaalde opname snel en eenvoudig terug kan vinden.

Ook nu kost dit initieel weer het een en ander aan werk voordat ik er de vruchten van kan plukken. Eerst moeten de foto’s van trefwoorden, locaties en persoonsnamen worden voorzien voordat ze op basis van die informatie kunnen worden doorzocht. Gelukkig wordt de software steeds intelligenter en brengen zaken als GPS en gezichtsherkenning een hoop verbetering. Met het juiste gereedschap hoef je die informatie dus al niet meer met de hand in te vullen en de toekomst brengt waarschijnlijk alleen nog maar meer gemak.

Blijft eigenlijk alleen de informatie over die we als mens moeten interpreteren. Vaak gaat het daarbij om het conceptuele begrip die niet zo maar door een apparaat of software over is te nemen. Ik denk dan bijvoorbeeld aan minder tastbare trefwoorden en uitdrukkingen als ‘toekomst’, ‘ geluk’, ‘vergane glorie’ (Hier schreef ik eerder al eens over).

Uiteraard hoef je niet al je foto’s voorzien van dit soort informatie. Ikzelf beperk dit tot alleen mijn allerbeste foto’s. Ook daarvoor is een fotobeheerapplicatie weer onontbeerlijk maar wanneer je consequent een (ster)waarderingsysteem aanhoudt is het heel laagdrempelig om alleen de foto’s met bijvoorbeeld 3 sterren of meer te voorzien van extra trefwoorden. De hoeveelheid werkt valt dan reuze mee. (hier schreef ik al eens eerder over een praktisch te gebruiken methodiek om je foto’s te waarderen).

Hiërarchische trefwoorden of niet?

Hiërarchische trefwoorden kunnen ondermeer worden gebruikt om relaties tussen trefwoorden (keywords) aan te geven. 

In eerste instantie was ik zeer enthousiast over deze (relatief nieuwe) ontwikkeling maar ik ben er inmiddels achter dat ze toch maar beperkt bruikbaar zijn. Zo heb ik in bovenstaand voorbeeld de foto voorzien van het trefwoord ‘Doodshoofdaapje’. Vanwege de relatie die dit woord heeft in de hiërarchie, is de foto toen automatisch ook voorzien van de trefwoorden ‘Aap’ en ‘Dier’. Met een enkele handeling heb ik dus drie trefwoorden toegevoegd die bovendien een hiërarchische relatie in verhouding tot elkaar hebben.

Echter voor relaties zoals familieverbanden lenen hiërarchische trefwoorden zich veel minder goed dan je in eerste instantie zou denken. Want hoewel Jan de Vries misschien een zoon is van Henk de Vries is hij dat ook van Marietje Jansen. Onder wie van beide plaats je hem dan of maak je een entry 'familie de Vries?

Nog lastiger is het wanneer er sprake is van echtscheiding.

Zo zijn er nog wel meer voorbeelden te verzinnen van relaties die in eerste instantie een hiërarchisch verband vertonen maar dat bij nader inzien toch niet hebben of niet consistent.

Dus denk eerst goed na voordat je een hiërarchische structuur gaat gebruiken!

Ikzelf gebruik mijn tijd tegenwoordig dan ook niet meer om vooraf de hiërarchieën op te bouwen die ik verwacht nog eens nodig te zullen hebben. In plaats daarvan steek ik m’n energie in het toevoegen van relevante trefwoorden, namen, plaatsen, data en dergelijke zodat ik eenvoudig een hiërarchie kan opbouwen wanneer ik die nodig heb, namelijk middels enkele zoekopdrachten.

Overigens gebruik ik wel hiërarchische structuren om m’n werk te organiseren maar dat is dan in zogenaamde 'Catalogus sets'. Dat zijn een soort virtuele folders en subfolders waarin foto's op meerdere plekken kan/mag voorkomen terwijl hij in werkelijkheid maar een enkele keer is opgeslagen. Hierover een andere keer meer...

‘Keywording’

Vandaag wil ik het hebben over de metadata die je aan een foto kunt meegeven om bijvoorbeeld later terugvinden te vergemakkelijken. 
De camera zelf genereert al metadata zoals sluitertijd, diafragma, datum en tijdstip van de opname. Dit is de zogenaamde EXIF data maar er is ook data die bedoeld is om ingevuld te worden door de fotograaf zelf. Dit zijn de IPTC velden. Een van de belangrijkste IPTC velden is het Keyword (trefwoord) veld omdat die zo breed gebruikt wordt en bovendien goed uitwisselbaar is tussen verschillende applicaties.

Bij het lezen van 'The DAM Book' van Peter Krogh (een echte aanrader, zie http://www.thedambook.com/ ) was ik er direct van overtuigd dat het grondig toepassen van trefwoorden de waarde van mijn fotocollectie zou (gaan) vergroten. 
Echter bleek het in de praktijk toch lastiger dan tevoren gedacht, met name het 'grondige'. Waar ik gisteren nog het begrip 'milieu' gebruikte was dat vandaag 'natuur' en het dreigde op een rommeltje uit te lopen.

Ik vond dus dat ik een consistente lijst met trefwoorden moest aanleggen volgens de principe van 'controlled vocabularies'.  Tijdens de zoektocht naar best practices kwam ik terecht op een artikel van Dan Heller die een zeer selecte toepassing van Keywords propageert. Hoewel zijn uiteenzetting mij ook weer aan het twijfelen heeft gebracht is het artikel zeer de moeite van het lezen waard: http://www.danheller.com/blog/posts/keywording-and-future-of-stock.html

'Slim' omgaan met trefwoorden:
In het kort komt het er op neer dat hij het afraadt om vervoegingen, meervoudsvormen, vertalingen en dergelijke als trefwoord op te nemen. Een intelligente zoekmachine zou deze variaties op, wat hij de 'stam' noemt, zelf moeten kunnen distilleren (niet dat dat nu al het geval is maar toch). 

Het probleem is volgens Dan 'trefwoord-vervuiling' met als gevolg vals-positieve zoekresultaten. De foto die jij of een klant zoekt komt niet boven de rest uit waardoor je hem niet zult vinden.

Een foto is bijvoorbeeld voorzien van de trefwoorden 'vrouw' en 'oude man'. Op de zoekopdracht 'oude vrouw' zal deze foto onterecht toch getoond kunnen worden omdat beide woorden voorkomen. Een vals positief resultaat dus hoewel het afhangt van de mogelijkheden van de zoekmachine om te zoeken op verschillende woordcombinaties.

Dit probleem wordt verergerd door systemen die automatisch trefwoorden aan foto's toevoegen (zoals foto stock bureaus).

De kunst van het toekennen van trefwoorden zit hem volgens Dan dan ook niet zozeer in het accuraat beschrijven van wat er zich op de afbeelding bevindt maar met name in de conceptuele begrippen zoals toekomst, geluk, e.d. omdat alleen de menselijke geest in staat is om die te koppelen aan het betreffende beeld.

Context:
Tenslotte hanteert Dan het begrip 'Contextualisatie ', dat wil zeggen dat de relatie tussen trefwoorden onderling wordt aangegeven. Momenteel is het nog vaak zo dat alle trefwoorden dezelfde 'waarde' hebben. 

Context toekennen aan trefwoorden onderling is momenteel helaas nog niet mogelijk, de syntax daarvoor ontbreekt domweg nog. 
Een notatie als oude:man zou de context tussen oude en man duidelijk maken waardoor de afbeelding niet bij een zoekopdracht oude vrouw tevoorschijn komt. Maar zoals gezegd, deze syntax ontbreek nog en wordt dus niet herkend door zoekmachines in de markt. Individuele programma's zoals Adobe Bride en Lightroom van Adobe kennen al wel 'hierarchical keywords' waarmee context tussen keywords in de afbeelding kan worden vastgelegd. 

Uitwisselbare standaarden is wat we hier eigenlijk nodig hebben.

Wordt vervolgd…