基于人机协作工作流的考古遗址检测
计算机视觉与模式识别
2023-02-13 v1 机器学习
摘要
本文展示了利用预训练语义分割深度学习模型在美索不达米亚洪泛区环境中检测考古遗址所得的结果。这些模型使用公开可用的卫星影像与来自大规模标注语料库（即已勘测遗址）的矢量形状进行了微调。随机测试表明，最佳模型的检测精度在 80% 左右。领域专业知识的融入对于界定数据集构建方式与预测评估方式至关重要，因为判定一个候选掩膜是否算作一次预测极具主观性。此外，即便是不精确的预测，在经训练有素的考古学家置于语境中解读时亦具价值。基于上述考量，我们在文末提出一种人机协作工作流的愿景：从由人类专家精炼的标注数据集出发，得到一模型，其预测既可叠加生成热力图以覆盖于卫星和/或航空影像之上，亦可矢量化为后续 GIS 软件中的分析提供便利与自动化。进而，考古学家可分析预测、组织实地勘测，并以新的修正标注精炼数据集。
引用
@article{arxiv.2302.05286,
title = {Archaeological Sites Detection with a Human-AI Collaboration Workflow},
author = {Luca Casini and Valentina Orrù and Andrea Montanucci and Nicolò Marchetti and Marco Roccetti},
journal= {arXiv preprint arXiv:2302.05286},
year = {2023}
}
备注
15 pages, 5 figures, 2 tables