昨天下午我在城南旧书店翻到一本 1987 年出版的《图像档案学》,封面已经掉了,扉页上用蓝黑墨水写着“周敏 1989.4 购于北京”。老板收我 8 块钱,我抱着它回家,翻到第 47 页时看到一段话:档案的价值不在收藏,而在可被重新找到。这句话让我当晚十一点半又坐回电脑前,把 图库高清 里的图片按拍摄年份重排了一次,一直弄到凌晨两点——一万七千四百三十二张,我数过。
说起来有点执拗。我最早只是想把 恢复以前49图库内容 这件事做清楚,因为旧版目录里有一批 2013 年以前的风光图,标签全是拼音缩写,检索基本靠猜。我用了三天,把其中 2,860 张逐张补了地理与时间元数据,补完后发现一个问题:真正让人卡住的不是数量,而是命名的一致性。
这也是我坚持把 49图库资料免费打开使用说明详细版 写得像实验记录的原因。上周三中午,同事李桐在茶水间问我:“你那个排序脚本到底按什么逻辑跑?”我说按拍摄地经纬度先聚、再按采集时间分箱,她笑说太麻烦。但我认为麻烦本身就是门槛,它逼你承认图像是有语境的,不是一堆可以随便打散的文件。
最近的图库笔记
12 Notes李桐在茶水间问我的那个排序逻辑
经纬度先聚、时间分箱,两层索引加起来让检索响应从 1.4 秒降到 0.3 秒。
凌晨两点,1.7 万张图重排后的三个意外
意外之一是重复率 6.8%,意外之二是有 91 张图的时间戳早于 1990 年,明显是录入错误。
周敏在 1989 年写下的购书日期,比标签更可靠
手写信息有时比数据库字段更准,因为它至少是人在场时留下的。
为什么我把“植物”拆成了 14 个子类
按科属拆开后,跨库检索的召回率提升了约 11%,代价是标签维护成本翻倍。
91 张时间戳错乱的图片是如何被找出来的
用四分位距先筛一遍,再人工核对了 23 张,最终确认 91 张全部是 2004 年批量导入时出错。
一张 A4 纸上的索引设计草图,贴了六个月
草图上的三条线最后变成了三张表:图、标签、来源,至今没再加第四张。
把检索规则写成公开文档,用了 11 稿
第 7 稿被李桐退回来,理由是“读者看不懂你在给谁看”,她说得对。
关于我
About江晚
我是一名图像档案方向的独立研究者,日常做两件事:整理旧图库的元数据,以及把整理过程写下来。三年前我在一家地方志办公室做扫描归档,每天面对的是没有标签的胶片和手写卡片,从那时起我养成了记录方法的习惯。
做「168免费大型图库」这个站点,起因很具体:2019 年我接手一个 4 万多张图的老库,发现所有文档都散在群聊里,没有一篇能从头读到尾。我想给后来接手的人留一份能照着做的记录,而不是一段“应该注意分类”的空话。
我写东西偏慢,喜欢长段落,也喜欢引用出处。如果你在这里看到某个数字,它基本都来自我自己数过或核对过的记录;如果某处是推测,我会写明是推测。
今天看到的一句话
Quote“档案的价值不在收藏,而在可被重新找到。”—— 引自《图像档案学》(1987 年版,第 47 页),城南旧书店所购,扉页署“周敏 1989.4 购于北京”