Археологи научили нейросеть классифицировать древнюю керамику

Американские археологи научили нейросеть распознавать и классифицировать древнюю керамику по различиям в орнаментах. Для обучения они использовали цифровые изображения белой расписной керамики индейского населения юго-запада США. Первые результаты пятилетних опытов по глубокому обучению внушают оптимизм — нейросеть продемонстрировала точность, сопоставимую с навыками опытных археологов, а в некоторых случаях и превзошла их.

За два века исследований археологических памятников пуэбло на американском юго-западе были накоплены десятки тысяч керамических фрагментов из сотен древних поселений. Местная глиняная посуда, разнообразная по форме и богато орнаментированная, получила название «тусаянская белая керамика» (Tusayan White Ware). Её особенно выразительным признаком является роспись: по белому или серому фону контрастным чёрным или коричневым пигментом нанесены геометрические рисунки. Форма сосудов, орнаментация и другие отличительные признаки служат маркерами для понимания культурной принадлежности населения, торговых связей и хронологии.

Общепринятая классификация делит посуду на девять основных типов по деталям орнамента. Декор и технологические особенности составляют комплексы устойчивых признаков и позволяют использовать белую керамику для датировки и интерпретации археологических памятников юго-запада США.

На создание альтернативного метода исследователей натолкнули трудности, которые испытывают археологи в идентификации найденных фрагментов посуды. Ручная классификация занимает много времени и не исключает человеческих ошибок, а также пристрастных или субъективных мнений разных ученых.

Археологи Лешек Павлович и Кристиан Даунум из Университета Северной Аризоны применили метод глубокого обучения нейронных сетей для классификации тусаянской белой посуды. Для анализа цифровых изображений орнаментированных фрагментов керамических сосудов учёные использовали технологию сверточных нейронных сетей, они позволяют эффективно распознавать образы, а затем их классифицировать, сопоставляя визуальные признаки сходства и отличия тысяч глиняных черепков.

В первую очередь был создан набор данных, необходимых для обучения и оценки нейросети, а также возможности сравнения точности с классификацией, сделанной людьми. Для согласованного набора отобрали 3064 фотоизображения фрагментов керамики, и четыре специалиста по древней посуде Тусаян создали свои классификации, ставшие основой коллекции для нейросети.

Совпадение между классификацией нейросети и эталонным набором получилось выше, чем совпадение между парами людей. Это говорит о том, что нейронная сеть в среднем видит классификационные признаки керамики лучше, чем человек.

Использованная модель не только классифицирует керамику, она ещё умеет объяснять, на основании чего типологизирован тот или иной фрагмент. Это сделано при помощи карт локализации важных признаков, называемых градиентно-взвешенным отображением активации классов (Grad-CAM). Этот инструмент получает от нейросети сведения о степени значимости области изображения и окрашивает её по принципу тепловой карты. Более релевантные для классификации участки обозначены красным, а менее важные — синим.

Метод точно классифицирует керамику и может находить взаимосвязи между группами черепков похожего и разного дизайна. Исследователи рассчитывают, что опробованный метод найдет применение для точной идентификации больших массивов керамических фрагментов и сопоставления находок из разных поселений и разных хронологических эпох. А умение нейросети выбирать аналоги из тысяч разрозненных черепков окажет неоценимую помощь в реставрации древних сосудов.

Источник: N + 1