Multi-Granularity Archaeological Dating of Chinese Bronze Dings Based on a Knowledge-Guided Relation Graph

要約

青銅のディンプルの考古学的年代測定は、古代中国の歴史の研究において重要な役割を果たしてきました。
現在の考古学は、訓練を受けた専門家に青銅の年代測定を依頼していますが、これには時間と労力がかかります。
このような年代測定のために、本研究では、高度な深層学習技術と考古学の知識を統合する学習ベースのアプローチを提案します。
これを達成するために、まず、他の既存のきめ細かいデータセットよりも豊富な属性情報を含む青銅のディンプルの大規模な画像データセットを収集します。
次に、属性とディン時代の関係をマイニングするために、マルチヘッド分類器と知識誘導型関係グラフを導入します。
第三に、既存のさまざまな方法との比較実験を行い、その結果、私たちの年代測定法が最先端の性能を達成していることがわかりました。
私たちは、私たちのデータと応用ネットワークによって、他の学際的な専門分野に関連するきめの細かい分類研究が充実することを願っています。
使用したデータセットとソースコードは補足資料に含まれており、匿名性ポリシーにより提出後に公開されます。
ソース コードとデータは、https://github.com/zhourixin/bronze-Ding で入手できます。

要約(オリジナル)

The archaeological dating of bronze dings has played a critical role in the study of ancient Chinese history. Current archaeology depends on trained experts to carry out bronze dating, which is time-consuming and labor-intensive. For such dating, in this study, we propose a learning-based approach to integrate advanced deep learning techniques and archaeological knowledge. To achieve this, we first collect a large-scale image dataset of bronze dings, which contains richer attribute information than other existing fine-grained datasets. Second, we introduce a multihead classifier and a knowledge-guided relation graph to mine the relationship between attributes and the ding era. Third, we conduct comparison experiments with various existing methods, the results of which show that our dating method achieves a state-of-the-art performance. We hope that our data and applied networks will enrich fine-grained classification research relevant to other interdisciplinary areas of expertise. The dataset and source code used are included in our supplementary materials, and will be open after submission owing to the anonymity policy. Source codes and data are available at: https://github.com/zhourixin/bronze-Ding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google