Improving micromorphological analysis with CNN-based segmentation of flint/obsidian, bone and charcoal

科学分野:

• 考古科学;ジオアーキオロジー;デジタル考古学

背景:

• 考古学的微細形態学の分析は、しばしば主観的で困難です。;骨、木炭、岩石などの材料の正確な定量化は、過去の環境と人間の活動を理解するために不可欠です。

研究 の 目的:

• 考古学的薄片における主要材料の自動セグメンテーションと定量化のための深層学習ツールの開発と評価。;考古学的微細形態学の分析における客観性、精度、および再現性の向上。

主な方法:

• 57枚の薄片の高解像度写真測量図を使用しました。;InceptionV4エンコーダーを備えたU-Netなど、最先端の畳み込みニューラルネットワーク（CNN）をトレーニングおよび評価しました。;モデルを適用して、フラックス/黒曜石、骨、木炭の相対的な存在量をセグメント化および分類しました。

主要な成果:

• InceptionV4エンコーダーを備えたU-Netは、高い平均Intersection over Union（IoU）スコアを達成しました。フラックス/黒曜石で0.96、骨で0.80、木炭で0.82です。;材料の存在量の分類におけるバランスの取れた精度は優れていました。フラックス/黒曜石で0.99、骨で0.92、木炭で0.85です。;材料のセグメンテーションと定量化における深層学習の効果を実証しました。

結論:

• 深層学習は、考古学的微細形態学における客観性と精度を向上させるための強力なソリューションを提供します。;開発されたツールは、古人類学研究に貴重なリソースを提供し、旧石器時代の文脈のより信頼性の高い分析を可能にします。;自動セグメンテーションと定量化は、この分野の再現性を大幅に向上させることができます。