@techreport{oai:nuis.repo.nii.ac.jp:00003538,
 author = {宮尾, 亨 and Miyao, Toru and 藤田, 晴啓 and 板垣, 正敏 and 市川, 健太 and 南雲, 彩花 and 河野, 一隆 and Kawano, Kazutaka and Fujita, Haruhiro and ITAGAKI, Masatoshi and ICHIKAWA, Kenta and Nagumo, Ayaka},
 note = {本研究は多数の出土資料を光学スキャナにて3D-RGB計測・Voxel化し、深層クラスター解析による「ヒトの判断が介在しない」クラスターと、「ヒトの判断基準による」専門家の分類クラスとの比較検証を行うことで、縄文土器分類群の再概念化、考古学的解釈・評価を更新することを最終目的とする。
　縄文土器の3D-RGB深層学習クラスター解析を本格的に進めるにあたって、先行してVoxel化プログラムを開発し、Voxelデータに求められる解像度と、それを処理する計算資源の評価を行った。
　「ヒトの判断基準による」専門家の分類クラスの設定に用いる複雑な造形的属性である口縁部や頸部に配される突起や把手と呼称する立体的造形、器面全体の凹凸の浅深によって構成される様々な文様を認知することはできない。特に口縁部の立体的な突起の複雑な構造や形状を区別することは不可能である。また、器面全体の凹凸の深浅によって構成される隆起線と沈線とを組み合わせた施文手法、隆起線の外面形状や緩急、隆起線や沈線の鋭利鈍重の加減、沈線ともに用いられる刺突や刻みなど施文手法の差に由来する違いを認めることができない。それらを出土資料の実物同様に認知するには、解像度512×512×512のVoxelが最低限必要である。
　そして、解像度512×512×512のVoxelデータを4層の3DCNN（三次元畳込みニューラルネットワーク）で深層学習を実施することを想定して必要となるGPUメモリの試算を行なったところ、バッチサイズ4では671GB、 バッチサイズ8では1、342GB、 バッチサイズ16では2683GBという膨大なGPUメモリが必要となり、市販のAI解析用ワークステーションでは解析不能で、ABCI等の大型VMクラウドサービスでも小さいバッチサイズでしか解析手段がないことが明らかとなった。
　令和4年度は光学スキャナーとPCを調達し、3D深層学習クラスター解析を行う縄文土器の3D-RGBデータの集積に努めたい。全体では報告済みの発掘調査された遺跡単位4カ所程度（糸魚川市六反田南、長岡市岩野原、十日町市野首、中魚沼郡津南町堂平もしくは道尻手）の出土土器、各1、000個体前後の計測および解析を計画しているが、令和4年度中に新潟県埋蔵文化財センターの糸魚川市六反田南遺跡出土資料800個体程度を目標に計測を行う。加えて、長岡市、十日町市、津南町、それぞれ所在の発掘調査された遺跡出土資料について、試行的に10個体程度づつ計測を行いたい。
　最終的な目的を達成するうえで、縄文土器研究における3D深層学習クラスター解析の有効性を明らかにする必要がある。前提条件として同一遺跡出土土器で年代や様式性などの系統の異なる土器群について違いだけでなく、類似性をどれぐらい抽出可能であるのか、早急にテストすることが望ましいと考えている。そのために、試行的計測を行う長岡市、十日町市、津南町では、同一遺跡内で類似性を高く評価されている個体などを選び、3D深層学習クラスター解析が類似度の判定に資することを明確に示したい。},
 title = {3D深層学習クラスター解析を目的とした光学スキャナーによる縄文土器計測},
 yomi = {ミヤオ, トオル and フジタ, ハルヒロ and イタガキ, マサトシ and イチカワ, ケンタ and ナグモ, アヤカ and カワノ, カズタカ}
}