オランダの考古学的予測におけるリモートセンシング、機械学習、そして市民科学の統合

リモートセンシングデータにおける自動考古学的物体検出の歴史は短いものの、進展と新たなトレンドが明らかになっています。その中で、ルールベースのアプローチから機械学習手法への移行は、基本的な問題、例えば適切な考古学的トレーニングデータの欠如がようやく取り組まれ始めているにもかかわらず、現在高い期待を寄せられています。オランダ中部でのケーススタディにおいて、我々は畳み込みニューラルネットワーク（CNN）に基づくLiDARデータの多クラス考古学的物体検出のための新しい手法を開発しています。この研究は、我々の研究地域の先史時代の風景に関する長期的な調査に組み込まれています。ここでは、リモートセンシングデータにおける自動物体検出のための機械学習アプローチと、未知の考古学的物体の検出を生成し検証するための二層の市民科学プロジェクトを統合した革新的なワークフローを提示します。これにより、信頼できるラベル付き考古学的トレーニングデータセットの作成に寄与します。考古学的予測、リモートセンシング、機械学習、市民科学の現在のトレンドに照らして我々の方法論的選択を動機づけ、我々の研究地域におけるワークフローの実装の最初の結果を提示します。