24、深度学习与考古数据抽象：高光谱图像与石墙分析新方法

深度学习与考古数据抽象：高光谱图像与石墙分析新方法

1. 高光谱图像的深度学习空间 - 光谱处理

在文化遗产研究中，对大型文物的颜料映射分析是一项重要任务。以古夫地图（Gough Map）为例，它是现存最早以地理可识别形式呈现的英国地图之一。研究提出了一种新颖的深度学习方法，用于分析高光谱图像（HSIs），以实现对这类大型文化遗产文物的颜料映射。

该方法采用 3D - SE - ResNet 网络，即使在标记参考数据有限的情况下，也能充分利用高光谱图像中的空间和光谱信息，准确地在对象级别和像素级别对古夫地图中的城镇、文字和哈德良长城进行分类。实验结果显示，仅使用 5% 的参考数据，3D - SE - ResNet 就能以较高的对象级别准确率识别出城镇、文字和哈德良长城。

从数据集和框架两个方面来看，这项研究提供了网络微调的方法，并探讨了在 3D - SE - ResNet 框架中学习光谱特征和空间特征的重要性。与其他方法相比，3D - SE - ResNet 在古夫地图上实现了更高的总体准确率（OA）和平均准确率（AA）。

这种强大而高效的方法不仅适用于古夫地图，还可推广到其他文物和遥感高光谱图像的颜料分类中。对于历史地理学家和地图史学家来说，在进行文化遗产文物的颜料映射工作时，该方法提供了一种非侵入性的研究方式，在不损坏文物的前提下，能够获取准确的信息，有助于对历史文物进行文献学研究。

2. 石墙抽象可视化与分析

在考古学研究中，数据可视化和抽象是重要的手段。提出了一种创新的抽象技术，用于在数学和视觉上表示石墙中面石的一些几何属性。该技术是在 W.A.L.(L) 项目中开发的，这是一个跨学科的努力，旨在应用机器学习