Dissertação
Convolutional Neural Networks for Archaeological Pottery Classification EVALUATED
Os projetos de trabalho de campo arqueológico resultam na recolha de artefactos históricos (por exemplo, fragmentos de cerâmica) que precisam de ser classificados de acordo com categorias estabelecidas, que na área são referidas como tipologias. Estas categorias agrupam objetos com características semelhantes (ou seja, semelhança na forma geral, no carácter das peças componentes como aros e pegas, e na técnica e estilo de decoração), permitindo aos arqueólogos determinar a origem das peças encontradas num local específico (se são autóctones), a sua idade, ou a idade do local. A categorização das peças de cerâmica é atualmente realizada por arqueólogos através de um procedimento inteiramente manual, envolvendo a análise de ilustrações de linhas padronizadas. Mais recentemente, os artefactos de cerâmica sob a forma de fotografias a cores fornecem um formato alternativo para a classificação da cerâmica. Uma vez que a análise manual levanta problemas para a categorização atempada de um grande número de artefactos, existe interesse em abordagens automatizadas para sugerir tipologias a artefactos arqueológicos. Com esta motivação, um conjunto de técnicas estado da arte, baseado na utilização de redes neurais convolucionais, é proposto para classificar automaticamente tanto diagramas de linhas a preto-e-branco como fotografias a cores de fragmentos de cerâmica. Uma avaliação abrangente das abordagens propostas é apresentada, discutindo as limitações associadas ao desequilíbrio de classes ou à falta de grandes conjuntos de dados de treino.
janeiro 28, 2021, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Bruno Emanuel Da Graça Martins
Departamento de Engenharia Informática (DEI)
Professor Auxiliar