Se habla acerca de una metodología para realizar búsquedas automáticas de piezas arqueológicas, empleando técnicas de aprendizaje automático y análisis de formas 3D.

1. Reconocimiento y clasificación automática de objetos
arqueológicos
M.Cs Mario G. Canul Ku
mariocanul@cimat.mx
Dr. Diego Jiménez Badillo Dr. Salvador Ruiz Correa
diego_jimenez@inah.gob.mx src.cmls@gmail.com
Dr. Rogelio Hasimoto Beltrán
hasimoto@cimat.mx
“Segundo Coloquio: Desarrollo Tecnológico al Servicio del
Patrimonio Cultural”
Agosto 2017
Red Temática Conacyt de Tecnologías Digitales
para la Difusión del Patrimonio Cultural
Instituto Nacional de
Antropología e Historia
Centro de Investigación
en Matemáticas, A.C.
http://www.cimat.mx/www.inah.gob.mx

2. Equipo de trabajo
Arqueología:
Diego Jiménez
Aprendizaje Automático:
Salvador Ruiz
Mario Canul
Erik Amézquita
Transmisión Multimedia:
Rogelio Hasimoto

3. En la actualidad el acceso y abaratamiento de los escáneres láser y la
popularización de técnicas como la fotogrametría, han facilitado la
producción de de decenas de miles de modelos digitales de objetos
arqueológicos en 3D. Con dichos modelos se crean repositorios digitales y
catálogos en línea que facilitan sólo la visualización del patrimonio cultural.
Digitalización 3D
Original Digitalización

4. Sin embargo, aunque se
almacenen en repositorios
digitales no son aprovechados
para extraer información
arqueológica nueva.
El aprendizaje automatizado
nos brinda la posibilidad de
analizar dichos modelos con
fines de clasificación.
Motivación

5. Reconocimiento, clasificación
y recuperación de objetos

6. Identificar rasgos (características) similares a partir de propiedades
geométricas y representarlas de forma compacta por medio de datos
cuantitativos.
Reconocimiento de objetos

7. Reconocimiento de objetos
Un reto es identificar rasgos entre objetos fragmentados de un mismo tipo.

8. Combinar técnicas matemáticas para representar al objeto 3D y de aprendizaje
automático para la clasificación por medio de un software.
El objetivo de nuestra investigación
Representación
de la
forma en
términos
matemáticos
Técnicas
de
aprendizaje
automático
Clasificación
automática

9. Clasificación
El problema de clasificación consiste en asignar un tipo o clase a la que pertenece
un objeto dado como entrada.

10. Representación de objetos

11. Representación matemática a traves de distancias
Distancia al centro
Distancia entre dos puntos
Ángulo entre tres puntos
Área de un triángulo
Volumen de un tetraedro
Histograma de frecuencias

12. Representación con funciones armónicas
Concepts

13. Representación con funciones armónicas
Radio
Funciónarmónica
5 10 15 20 25 30
2
4
6
8
10
12
14
16
Radio
Funciónarmónica
5 10 15 20 25 30
2
4
6
8
10
12
14
16
Radio
Funciónarmónica
5 10 15 20 25 30
2
4
6
8
10
12
14
16
Representación por medio de coeficientes de funciones armónicas invariantes a
rotación.

14. Representación por medidas de curvatura
Curvatura Media Índice de formaSin Curvatura
La curvatura es un valor numérico que nos indica que tan cóncava es una
región del objeto y se obtiene mediante operaciones matemáticas.

15. Nuestra propuesta de representación

16. Aprendizaje automático

17. Aprendizaje automático (Machine Learning - I)
Experiencia Experiencia + Instrucciones Instrucciones
Imagen: https://www.youtube.com/watch?v=IpGxLWOIZy4
Es un área de las ciencias de la computación cuyo objetivo es desarrollar técnicas y
programas (instrucciones) con la capacidad de inferir o “aprender” patrones a partir de
datos (experiencia).

18. Aprendizaje automático (Machine Learning - II)

19. Aprendizaje automático (Machine Learning - III)

20. Aprendizaje automático (Machine Learning - IV)

21. Medir similitud (Métrica)

22. Arquitectura conceptual del sistema de clasificación automática mediante
técnicas de aprendizaje automático.
Esquema de sistema propuesto

23. 4. Experimentos

24. Experimento 1 ( Objetos de la cultura Mexica )
Sultepec Xiuhtecuhtli Chontal típico Mezcala Chontal bola
Bastón FlautaVasijaEstatuilla I Estatuilla II

25. Resultados clasificación (Objetos de la cultura Mexica)
Entrada
Clasificación:
Estatuilla I
1 2 3 4 5

26. Experimento 2 ( Objetos de la cultura Griega )
Kalathos KraterHydriaAmphoraAlabastron
Kylix
LekythosPelike Psykter Picher American
Bottle

27. Resultados clasificación ( Objetos de la cultura Griega )
Entrada
Clasificación:
Amphora
1 2 3 4 5

28. Resultados de similitud (Medición estadística)
Experimento 1 (Mexica) Experimento 2 (Griega)

29. Conclusiones
● El uso de características geométricas resultan adecuadas para resolver
el problema de clasificación de forma automática.
● Resaltar regiones con mayor curvatura concentran la información más
relevante de la digitalización.
● El uso de técnicas de aprendizaje automático ofrece una mejora
sustancial en comparación con las que utilizan únicamente medidas de
similitud.
● La metodología al ser general puede adaptarse a distintos catálogos
digitales bajo la supervisión de un experto(arqueólogo, historiador, etc),
por lo cual se convierte en una herramienta útil y flexible.

30. ¡Gracias por su atención!