2026-03-05T20:36:30Z https://nuis.repo.nii.ac.jp/oai

oai:nuis.repo.nii.ac.jp:00003627 2023-08-22T08:40:53Z 13:112:116

須恵器スキャンデータの3D-RGBA 128x128x128解像度Voxelデータによる教師付き分類の試行 須恵器スキャンデータの3D-RGBA 128x128x128解像度Voxelデータによる教師付き分類の試行 山本, 亮 4004 ヤマモト, リョウ 藤田, 晴啓 3225 フジタ, ハルヒロ 南雲, 彩花 4127 ナグモ, アヤカ 市川, 健太 4007 イチカワ, ケンタ YAMAMOTO, Ryo 4006 FUJITA, Haruhiro 3742 NAGUMO, Ayaka 4128 ICHIKAWA, Kenta 4009 教師付き機械学習により、考古資料の分類を可能とすることを目的とする。東京国立博物館所蔵6世紀の完形・略完形須恵器の蓋および身計108点をスキャン解像度0.5mmにて計測を行った。それぞれのデータはRGBを除いた形状のみの3D-A 1283の解像度のVoxelデータに変換された。第46回大会発表「須恵器マルチヘッド・マルチタスク3D-2D-CNNモデルの開発」（以下「前回発表」）では計算資源の問題で低い解像度（643）の3Dデータを用いたのに対し、本発表は高解像度の3Dデータを用いた。データ拡張をほどこしたうえで『東京国立博物館所蔵須恵器集成』Ⅰ～Ⅲを参考に型式・年代分類を行って混同行列を作成した。結果は型式の正解率約53.8％、年代の正解率69.2％となり、ともに前回発表（型式約47.1％、年代約65.4％）よりも５％程度正解率の向上がみられた。ただし、資料数が少ないⅡ-１型式とⅡ-２型式については精度が悪い。すなわち、各型式・年代の資料数には偏りがあり、このことが結果に影響を与えたことが考えられる。そのため、少数派のデータクラスに対し損失関数に重み付けを行うことによって，それらが誤分類されたときの損失が大きくなるよう調整する（Weighted Loss Function）ことにより、解決を試みた。これにより、型式の正解率は約58.7％、年代については約71.2％となり、前回発表ならびに損失関数の重み付けを行わない結果よりも精度の向上がみられた。ただし、依然として資料数が少ない型式年代については精度が十分ではなく、今後不均衡データ対策など学習方法について改善を行う必要がある。 research report 考古文化財ディープラーニング研究会 application/pdf https://nuis.repo.nii.ac.jp/record/3627/files/k_hokoku_8.08.06.20230508.pdf https://nuis.repo.nii.ac.jp/records/3627 jpn