Téléchargez le pdf : pdf
L’article “Machine learning for rapid mapping of archaeological structures made of dry stones – Example of burial monuments from the Khirgisuur culture, Mongolia –” par Monna, F.; Magail, J.; Rolland, T.; Navarro, N.; Wilczek, J.; Gantulga, J.O.; Esin, Y.; Granjon, L.; Allard, A.-C. Chateau-Smith, C. vient d’être publié dans Journal of Cultural Heritage. 43, 118-128.
La présente étude, menée dans le cadre du projet ROSAS, propose un workflow pour extraire des orthomosaïques l’énorme quantité de pierres sèches utilisées pour construire les complexes funéraires des steppes mongoles. Plusieurs algorithmes d’apprentissage automatique pour la classification binaire des pixels (c.-à-d. Pierres vs Non pierres) ont été évalués. Les données utilisées en entrée ont été extraites d’orthomosaïques haute résolution et de modèles numériques d’élévation (tous deux dérivés de l’imagerie aérienne par drone). L’analyse comparative a utilisé deux espaces colorimétriques (RVB et HSV), des caractéristiques de texture (cartes matricielles de contraste, d’homogénéité et d’entropie) et l’indice de position topographique, combinés à neuf algorithmes d’apprentissage supervisé (centroïde le plus proche, Bayes naïfs, k voisins les plus proches, régression logistique , analyses discriminantes linéaires et quadratiques, machine à vecteurs de support, forêt aléatoire et réseau neuronal artificiel). Lorsque les entités sont traitées ensemble, d’excellentes cartes de sortie, très proches ou surpassant les normes actuelles en archéologie, sont observées pour presque tous les modèles.
Read more
