Workflow pro automatické rozpoznávání archeologických nálezů pomocí umělé inteligence (AI)

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68081758%3A_____%2F25%3A00635790" target="_blank" >RIV/68081758:_____/25:00635790 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.5281/zenodo.15606527" target="_blank" >https://doi.org/10.5281/zenodo.15606527</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Workflow pro automatické rozpoznávání archeologických nálezů pomocí umělé inteligence (AI)

Popis výsledku v původním jazyce

Probíhající digitalizace archeologických archivů s sebou přináší výzvu v podobě velkého množství dokumentů, fotografií a dalších materiálů. Lidskými silami je téměř nemožné je dostatečně popsat, opatřit metadaty, klasifikovat a analyzovat. Ruční popis a vytváření metadat jsou zdlouhavé a náchylné k chybám, což činí celý proces vhodným kandidátem k automatizaci. Aplikace umělé inteligence (Al) a metod distant viewing nabízí škálovatelné řešení ke zvýšení použitelnosti (re-usability), přístupnosti a interoperability rozsáhlých archeologických obrazových archivů. Bez takové automatizace by dosažení srovnatelných výsledků vyžadovalo roky manuálního zpracování. Příspěvek představuje návrh a pilotní implementaci workflow pro automatické rozpoznávání druhů archeologických artefaktů na dokumentačních fotografiích, jejímž cílem je metadatový popis a obohacení daných obrazových dat. Příspěvek shrne proces trénování a pilotní implementaci modelu hlubokého učení (deep learning), který bude optimalizován pro archeologické obrazové datasety s využitím architektury ResNet. Prezentovaná workflow umožní segmentaci a anotaci archeologických snímků pomocí oborově specifických kontrolovaných slovníků, čímž usnadní identifikaci typů artefaktů a dalších (archeologicky) relevantních vizuálních prvků. n

Název v anglickém jazyce

Workflow for Automated Archaeological Artifact Recognition using AI

Popis výsledku anglicky

The ongoing digitisation of archaeological archives brings with it the challenge of a large number of documents, photographs and other materials, which are almost impossible to describe, metadata, classify and analyse sufficiently. Manual description and metadata creation are tedious and error-prone, making the whole process a good candidate for automation. The application of artificial intelligence (Al) and distant viewing methods offers a scalable solution to increase the usability (re-usability), accessibility and interoperability of large-scale archaeological image archives. Without such automation, achieving comparable results would require years of manual processing. This paper presents the design and pilot implementation of a workflow for automatic recognition of archaeological artefact types in documentary photographs, aiming at metadata description and enrichment of the given image data. This paper will summarize the training process and pilot implementation of a deep learning model that will be optimized for archaeological image datasets using the ResNet architecture. The presented workflow will enable the segmentation and annotation of archaeological images using domain-specific supervised vocabularies, thus facilitating the identification of artefact types and other (archaeologically) relevant visual features.n

Druh

O - Ostatní výsledky

CEP obor

—

OECD FORD obor

60102 - Archaeology

Projekt

<a href="/cs/project/LM2023031" target="_blank" >LM2023031: Archeologický informační systém České republiky</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů