Dissertação

{en_GB=Convolutional Neural Networks for Archaeological Pottery Classification} {} EVALUATED

{pt=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., en=Archaeological fieldwork projects result in the collection of historical artifacts (e.g., pottery sherds) that need to be classified according to established categories, which in the area are referred to as typologies. These categories group objects with similar characteristics (i.e., similarity in the overall shape, in the character of component parts such as rims and handles, and in the technique and style of decoration), allowing archaeologists to ascertain the origin of pieces found in a specific location (if they are autochthonous), their age, or the age of the site. The categorization of pottery sherds is presently done by archaeologists through an entirely manual procedure, involving the analysis of standardized line illustrations. More recently, pottery artifacts in the form of color photographs provide an alternative format for pottery classification. Since manual analysis raises problems for the timely categorization of a large number of artifacts, there is interest in automated approaches for suggesting typologies to archaeological artifacts. With this motivation, a set of state-of-the-art techniques, based on the use of convolutional neural networks, is proposed to automatically classify both standardized black-and-white line diagrams and color photographs of pottery sherds. A comprehensive evaluation for the proposed approaches is reported, discussing limitations associated with class imbalance or lack of large training datasets.}
{pt=Arqueologia Computacional, Classificação de Imagens, Meta-aprendizagem, Aprendizagem com Redes Profundas, Visão Computacional, Inteligência Artificial, en=Computational Archeology, Image Classification, Meta-learning, Deep Learning, Computer Vision, Artificial Intelligence}

Janeiro 28, 2021, 9:0

Orientação

ORIENTADOR

Bruno Emanuel Da Graça Martins

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Jacinto Paulo Simões Estima

INESC-ID

Especialista