| 研究領域 | 土器を掘る：２２世紀型考古資料学の構築と社会実装をめざした技術開発型研究 |
|---|
| 研究課題/領域番号 |
21H05355
|
|---|
| 研究種目 |
学術変革領域研究(A)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
学術変革領域研究区分(Ⅰ)
|
|---|
| 研究機関 | 熊本大学 |
|---|
研究代表者 |
|
|---|
| 研究期間 (年度) |
2021-09-10 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
7,540千円 (直接経費: 5,800千円、間接経費: 1,740千円)
2022年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2021年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
|
|---|
| キーワード | Classification potsherds / deep learning / machine-leaarning / ensemble / computer-vision / machine learning / archeology / pottery indentation / computer vision / small-dataset training / archaeology / impression method / 人工知能 / 機械学習 / AI同定法 / X線機器 / 土器圧痕 |
|---|
| 研究開始時の研究の概要 |
本研究は、土器に残された種実・昆虫圧痕の分析・同定を可能にするAIモデルを開発する ことが主な目的である。近年、考古学の世界では、土器のX線CT画像を撮影し、分析するこ とで新たな発見が確認されているが、この分析には一部の研究者に限られた高度な専門知識 と長年の経験が必要である。したがって、より広範囲、多量の土器を効率よく分析するため には、以上に示した考古学研究者の知見(分析基準)を備えたAIモデルの開発が必至である。 具体的には、長年日本考古学の課題と言われているイネの同定を主な目的として、それに類 する種実や昆虫の痕跡を判別できるようにAIモデルを訓練する。
|
| 研究実績の概要 |
Deep Learning models have achieved high accuracy in the experimental dataset, demonstrating their capability to learn complex patterns and make accurate predictions. However, when applied to the Jomon dataset, the accuracy was lower than the experimental dataset. Nevertheless, experiments revealed that the models were relying on the morphology of the object to make predictions, which indicates that the results are reliable.
Despite the challenges faced, we remain remain optimistic about the potential of deep learning models to aid the classification of potsherds. Our experiments have shown that the models can rely on object morphology to make accurate predictions, indicating their effectiveness in supporting archaeologists in their studies.
|
| 現在までの達成度 (段落) |
令和4年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和4年度が最終年度であるため、記入しない。
|
