年轻的达喀尔部落地主德斯蒙德·林赛第一次访问他的国家的这个网站。大多数遗址都很偏远，甚至不可能用汽车近距离接近。

南澳大利亚研究人员一直在与澳大利亚顶端威尔顿河地区的米马尔和马尔库传统所有者合作，通过机器学习分析岩画的演变。

这项研究由弗林德斯大学考古学家Dr达里尔·韦斯利（Daryl Wesley）看到研究小组在阿纳姆土地上测试了不同风格的人像岩画，这些岩画被标记为“北方奔跑的人像”、“动态的人像”、“后动态的人像”和“带回飞棒的简单人像”，以了解这些风格是如何相互关联的。

研究小组利用机器学习来分析研究期间收集的岩画图像2018年和2019年马尔库县的调查。

该方法使用了以前训练和出版的卷积神经网络模型和数据集组合，每种模型和数据集组合都是为对象分类而设计和训练的。

研究结果的共同作者，本周发表在《澳大利亚考古学》杂志上，弗林德斯大学考古学博士候选人Jarrad Kowlesar和DrIan Moffat告诉ZDNet，研究小组随后使用转移学习在其数据集上部署这些网络，而无需再培训，然后分析模型在岩画数据集上的反应或激活方式。莫法特说：“这种方法允许对风格进行无偏见的分类，也允许我们利用神经网络，而无需访问从零开始训练模型所需的大型岩画数据集。”。

“我们使用‘t分布随机邻域嵌入（t-SNE）’技术对模型激活进行了分析，这是一种非线性降维方法。这种方法有助于理解和探究为什么模型会以不同数据点的方式激活。”

重建的岩画年表使用了现有的1400多万张不同动物照片的数据集，如狗、猫、蜥蜴和昆虫，以及椅子、桌子、，和杯子。

“总共，电脑看到了1000多种不同类型的物体，并且学会了仅仅通过看它们的照片来辨别它们之间的区别，韦斯利补充道：“这台计算机开发的重要技能是建立一个数学模型，能够分辨出两幅不同的图像之间有多相似。”

该方法通过使用一种称为转移学习的机器学习方法，消除了很大程度上的个人理解和可能的偏见。这使得计算机能够独立于研究人员，了解每种风格之间的直接联系。

莫法特说，研究小组开始这项研究是因为他们对利用数字技术帮助了解澳大利亚惊人的岩画记录的可能性感到兴奋。

“尤其是，他说：“虽然传统的岩画分析是记录主题的一种很好的方法，但对这些图形的解释依赖于研究人员根据自己的判断，根据风格对图像进行分类。显然，这些分类的结果受到研究人员以往经验和训练的严重影响。我们新的迁移学习方法不受研究人员偏见的影响，因此提供了一个全新的视角来理解风格。”

Kowlesar说，该算法按照考古学家排序的相同时间顺序对风格进行排序，通过检查最上面出现的样式。他解释说：“这表明，在阿纳姆地的岩石艺术中，相似性和时间是紧密联系在一起的，在时间上画得更近的人像比那些分开很久的人像更相似。”Moffat告诉ZDNet说：“其他采用更传统方法的研究结果。”这表明我们的方法正在发挥作用，并表明它有令人兴奋的潜力为其他地方的岩石艺术研究做出贡献。”

他说，所使用的方法可以应用于各种风格识别。

“这非常适合于‘风格’是主导因素的艺术研究，但也适用于其他材料，”他说他说我们希望继续使用它的一个地方是分析和鉴定岩画中的动物物种向Centrelink客户偿还了不正确的robo债务1.5亿美元，这些债务来自于不正确的robo债务

facebook说，ACCC的ad-tech probe犯了许多不正确的错误错误错误的假设

indue pockets另外2600万澳元用于两年期无现金借记卡扩展

通过注册，您同意https://redventures.com/CMG-terms-of-use.html“target=”\u blank“rel=”noopener noreferrer n