Twee onderzoekers van de Universiteit van St. Andrews, in Schotland, hebben onlangs een nieuwe op machine learning gebaseerde methode ontwikkeld om afbeeldingen van oude munten te begrijpen. hun studie, voorgepubliceerd op arXiv past computervisie en machine learning toe op oude numismatiek.

"Mijn onderzoek op dit gebied was het resultaat van het samenbrengen van twee passies:mijn voortdurende interesse in oude munten (ik heb zelf een grote collectie) en de state-of-the-art in AI, "Ognjen Arandjelovic, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore. "In 2010, Ik schreef een paper over het onderwerp en tot mijn verbazing, aangezien dit typisch een nichebelang is, het trok veel aandacht."

De meeste eerdere studies hebben geprobeerd oude munten beter te begrijpen met behulp van generieke objectherkenningstechnieken. Arandjelovic's kennis en begrip van oude numismatiek, echter, bracht hem ertoe te geloven dat deze benaderingen verre van optimaal zijn en moedigde hem aan om alternatieve methoden te ontwikkelen. In de afgelopen tien jaar of zo, hij heeft een reeks artikelen gepubliceerd die afwijken van het eerder genoemde patroon.

De meeste bestaande state-of-the-art methoden voor de analyse van oude munten blijken nogal slecht te presteren. In hun studie hebben Arandjelovic en zijn collega Jessica Cooper wilden een effectievere aanpak ontwikkelen, die een munt kan beschrijven zoals een mens dat zou doen voor een ander mens.

"Het werk met Jessica kwam voort uit mijn besef dat het veld een heel verkeerde hoek heeft genomen om te bepalen of twee munten hetzelfde zijn, " legde Arandjelovic uit. "De reden hiervoor komt voort uit het feit dat weinig oude muntsoorten (ten opzichte van de tienduizenden geslagen tijdens de vijf eeuwen van het Romeinse Rijk) die zijn afgebeeld vrij klein zijn, waardoor de aanpak van weinig praktisch belang. Jessica en ik dachten dus dat het veel beter zou zijn geweest als de computer de munt had kunnen beschrijven, veel als een mens zou doen voor een ander mens."

"Ik ben breed geïnteresseerd in algoritmen die de manier waarop mensen taken benaderen nabootsen, " Cooper vertelde TechXplore " Wanneer een expert een oude munt beschrijft, ze identificeert artistiek afgebeelde concepten op dezelfde manier als ons systeem - door vormen in het beeld te herkennen. Ze is ook in staat om de elementen aan te wijzen die ze beschrijft:'er is een hoorn des overvloeds', 'er is een schild' etc. Ons systeem doet dit ook."

Diepgaande beschrijvingen zijn een cruciaal onderdeel van de numismatische literatuur, dus het blootleggen van gedetailleerde informatie over munten met behulp van machine learning-technieken kan zeer nuttig blijken te zijn. Muntbeschrijvingen worden momenteel geschreven door menselijke experts, wat behoorlijk tijdrovend kan zijn. De nieuwe methode ontwikkeld door Arandjelovic en Cooper zou kunnen helpen om de analyse van oude munten te versnellen, een belangrijk deel ervan automatiseren.

"We gebruiken zogenaamd Deep Learning, die een specifiek type neuraal netwerk gebruikt (deze zijn losjes - heel losjes inderdaad - gemotiveerd door neurale netwerken die onze hersenen vormen) om te leren van tal van voorbeelden van munten die wel en geen specifiek visueel element bevatten (bijv. schild, speer, enzovoort.), "Arandjelovic zei. "Dit is natuurlijk hoe mensen leren in de kindertijd:door herhaalde blootstelling en feedback van de supervisor (ouder, docent, enzovoort.)."

De meeste bestaande benaderingen werken door het visueel matchen van munten, met behulp van hulpmiddelen voor objectherkenning. Echter, het aantal oude muntsoorten is veel groter dan de soorten munten die door experts digitaal of op papier zijn vastgelegd, dat is de reden waarom deze methoden vaak slecht presteren.

In tegenstelling tot eerdere benaderingen, de door Arandjelovic en Cooper bedachte methode analyseert de semantische inhoud van munten. Ten eerste, de onderzoekers gebruikten real-world multimodale input om semantische concepten te extraheren en te associëren met de juiste muntafbeeldingen. Vervolgens, ze trainden een convolutioneel neuraal netwerk (CNN) op het verschijnen van deze concepten.

"Ons belangrijkste resultaat is de proof of concept, waarvan we redelijkerwijs kunnen verwachten dat het een keerpunt in de richting van het veld markeert, " zei Arandjelovic. "We hebben al veel nieuwe ideeën over hoe we kunnen verbeteren wat we tot nu toe hebben gedaan, en ik vertrouw erop dat andere onderzoekers geïnspireerd zullen worden om met andere ideeën te komen die ook voortbouwen op onze bijdrage."

De onderzoekers evalueerden hun methode op de grootste bestaande dataset van oude munten, die muntafbeeldingen bevat die zijn geëxtraheerd uit 100, 000 veilingkavels. Hun tests leverden veelbelovende resultaten op, met hun algoritme dat correcte associaties maakt en nauwkeurig semantische patronen in oude munten identificeert.

"Ik denk dat onze gegevens echt interessant zijn omdat het een uitdaging is - er is veel onevenwichtigheid in de klassen, heel veel geluid, en de afbeeldingen worden alleen op het gehele afbeeldingsniveau gelabeld, " zei Cooper. "Daarom, tijdens de training, het model wordt alleen verteld als er een bepaald element op de munt bestaat, maar niet waar het is - dat moet het zelf leren. Het oplossen van problemen met dergelijke moeilijke datasets is niet alleen waardevol op zich, maar ook omdat benaderingen die zijn ontwikkeld voor één use case vaak met succes kunnen worden toegepast op verschillende domeinen."

De CNN die door Arandjelovic en Cooper wordt gebruikt, is losjes gebaseerd op een gerenommeerd kunstmatig neuraal netwerk genaamd AlexNet, die oorspronkelijk werd gebruikt om foto's uit de ImageNet-dataset te classificeren. Volgens Kuiper, hun onderzoek geeft een duidelijk voorbeeld van hoe dit soort kruisbestuiving zeer waardevol kan zijn. Ze werkt momenteel aan een project dat vergelijkbare computervisietechnieken toepast op de diagnose van kanker op basis van medische scans.

"We hebben verschillende plannen voor toekomstig onderzoek, "Zei Arandjelovic. "Ten eerste, we zijn van plan dit onderzoek direct voort te zetten, omdat we graag een systeem zouden hebben dat een afbeelding van een munt vrij letterlijk beschrijft, vol gebruiken, juiste zinnen, net als degene die je zou zien die munten beschrijven wanneer ze op veilingen worden verkocht. We willen ook methoden ontwikkelen die online veilingsites monitoren om gestolen munten of valse munten op te sporen."

© 2019 Wetenschap X Netwerk