Forscher haben eine Methode entwickelt, um mithilfe von Methoden des maschinellen Lernens (ML) das Vorhandensein von Felsmalereien in abgelegenen, schwer zugänglichen Gebieten in Australiens zerklüfteten Landschaften zu erkennen.
Unter der gemeinsamen Leitung von Dr. Andrea Jalandoni, einer digitalen Archäologin vom Zentrum für Sozial- und Kulturforschung der Griffith University, verwendete die Studie Hunderte von Bildern von Felsmalereien, die im Kakadu-Nationalpark gefunden wurden, um ein ML-Modell zu trainieren, um festzustellen, ob darin bemalte Felsmalereien vorhanden waren das Bild.
Das Modell erreichte eine Erfolgsquote von 89 %, was bedeutet, dass es in den allermeisten Fällen ermittelte, welche Bilder Felskunst enthielten.
„Einige dieser Stätten sind nicht leicht zugänglich, daher ist es für diese Art der archäologischen Forschung in einigen der abgelegensten Gebiete Australiens von großem Wert, Zeit, Aufwand und Kosten für die Durchführung einiger Erkundungsmissionen zu verringern“, sagte Dr. Jalandoni .
„Sobald unser ML-Modell feststellt, ob ein fotografierter Bereich möglicherweise zuvor unentdeckte Felszeichnungen enthält, können Wissenschaftler den Standort betreten und der Wahrheit nachgehen, um zu überprüfen, ob Felszeichnungen vorhanden sind, und weiter darüber berichten.“
Dr. Jalandoni und Co-Hauptautor Dr. Nayyar Zaidi von der Deakin University arbeiteten bei der Studie eng mit den traditionellen Ältesten des Kakadu-Nationalparks zusammen.
Dr. Zaidi sagte: „Die Arbeit demonstrierte die Kraft, die ML und KI in die archäologische Forschung einbringen, und ebnet den Weg für bahnbrechende Forschung mit erheblichen Auswirkungen in den kommenden Jahren – wir sind gespannt auf die zweite Phase unserer Studie.“
In Gebieten, in denen es zahlreiche Felskunststätten gibt, ist ein Großteil der Felskunst nicht identifiziert und bleibt daher unerfasst und unerforscht.
Die Automatisierung der vielen Prozesse in der Felskunstforschung könnte die Felskunstforschung in vielerlei Hinsicht erheblich erleichtern, beispielsweise durch Objekterkennung und -erkennung, Motivextraktion, Objektrekonstruktion, Bildwissensgraphen und Darstellungen, sagte das Forschungsteam.
Dr. Jalandoni sagte, mit der Wirksamkeit des in dieser Studie verwendeten ML-Modells könnte die Methode verwendet werden, um Modelle zu trainieren, die spezifisch für die Felskunst sind, die in verschiedenen Regionen auf der ganzen Welt zu finden ist.
Sie sagte, die Ergebnisse könnten auch bei der Entwicklung einer App nützlich sein, mit der Touristen Bilder von potenziell unentdeckten Felskunstbeispielen zur weiteren Analyse hochladen könnten.
„Wenn Sie ein Tourist in einem Gebiet sind, in dem sich möglicherweise Felskunst befinden könnte, und Sie fotografieren, besteht eines der zukünftigen Ziele darin, dass wir eine App entwickeln, mit der Sie Ihr Bild der Sammlung hinzufügen können, um zu sehen, ob es dort war dokumentiert oder ob es sich um unentdeckte Felsmalereien handeln könnte, die untersucht werden müssen“, sagte Dr. Jalandoni.
„So würde es Bürgerwissenschaftlern vor Ort ermöglichen, an wichtigen archäologischen Forschungen teilzunehmen.“
Die Ergebnisse „On the use of Machine Learning Methods in Rock Art Research with Application to Automatic Painted Rock Art Identification“ wurden in der veröffentlicht Zeitschrift für Archäologische Wissenschaft.
Andrea Jalandoni et al, Über die Verwendung von Methoden des maschinellen Lernens in der Felskunstforschung mit Anwendung auf die automatische Identifizierung gemalter Felskunst, Zeitschrift für Archäologische Wissenschaft (2022). DOI: 10.1016/j.jas.2022.105629