Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Computerwissenschaften# Computer Vision und Mustererkennung

Automatisierte Methoden verändern die Studien über antike Münzen

Ein neuer automatisierter Ansatz beschleunigt die Münzstudien und verbessert die Analyse antiker Münzen.

― 5 min Lesedauer


AutomatisierteAutomatisierteMünzprägeanalyseStudien über antike Münzen.Schnelle, effiziente Methode für die
Inhaltsverzeichnis

Die Studien sind wichtig, um die Produktion von antiken Münzen zu verstehen. Sie geben uns Hinweise darauf, wie die Münzherstellung mit Geschichte und Politik zusammenhängt. Allerdings ist der Prozess des Studierens von Stempeln oft langsam und erfordert viel manuelle Arbeit. Das macht es schwierig, grosse Gruppen von Münzen zu analysieren. Obwohl einige Versuche unternommen wurden, diese Aufgabe zu automatisieren, waren nur wenige erfolgreich oder richtig mit Technologie getestet.

In dieser Arbeit stellen wir eine vollautomatisierte Methode vor, um Stempel mithilfe von Bildern von Münzen zu studieren. Unser Ansatz unterscheidet sich von früheren Methoden. Wir verwenden schnelle und starke Techniken, um Details in Bildern von Münzen zuzuordnen. Wir brauchen keine manuellen Einstellungen dafür, was Zeit und Mühe spart. Ausserdem gruppieren wir die Münzen basierend darauf, wie ähnlich sie sich sind, mit einer neuen Methode, die ohne vorab definierte Kategorien funktioniert. Wir haben diese Methode an zwei Sammlungen griechischer Münzen getestet und festgestellt, dass sie viel besser funktioniert als frühere Modelle.

Bedeutung der Stempelstudien

Stempelstudien helfen zu messen, wie viele Münzen in der Antike hergestellt wurden. Indem Forscher Münzen aus derselben Serie vergleichen, können sie herausfinden, wie viele verschiedene Werkzeuge oder Stempel verwendet wurden, um sie zu erstellen. Diese Informationen können Aufschluss über die Menge der produzierten Münzen und die Münzpraktiken zu verschiedenen Zeiten und Orten geben. Allerdings kann es lange dauern, jede Münze von Hand zu durchsehen, um diese Verbindungen zu finden, besonders wenn die Anzahl der Münzen steigt.

Eine automatische Methode zur Untersuchung von Stempeln würde nicht nur Zeit sparen, sondern auch den Forschern ermöglichen, viel grössere Gruppen von Münzen zu betrachten. Das könnte zu einem besseren Verständnis der antiken Wirtschaften und historischen Beziehungen führen.

Bestehende Methoden und deren Einschränkungen

Der erste bedeutende Versuch, die Stempelstudien zu automatisieren, heisst CADS. Es verwendet Bildanalysen, um Merkmale von jeder Münze zu extrahieren und sie dann nach Ähnlichkeit zu gruppieren. Allerdings benötigt CADS immer noch einige manuelle Arbeit, um Filter und Schwellenwerte für die Gruppierung festzulegen. Es gibt auch eine andere Methode, Riedones3D, aber die erfordert die 3D-Scanung von Münzen, was für grosse Sammlungen nicht praktikabel ist.

Unser Ziel war es, eine vollautomatische Lösung zu schaffen, die direkt mit Bildern von Münzen in niedriger Auflösung arbeitet. Wir haben eine Methode angestrebt, die keine menschliche Eingabe benötigt, um die Analyse grosser Sammlungen einfacher und schneller zu machen.

Unser Ansatz

Unsere automatisierte Methode beginnt damit, Bilder von Münzen aufzunehmen und wichtige Merkmale aus diesen Bildern zu extrahieren. Wir verwenden dann eine Methode namens Random Sample Consensus, um unbrauchbare Übereinstimmungen herauszufiltern. Sobald wir eine Reihe sinnvoller Übereinstimmungen haben, erstellen wir ein Diagramm, in dem jede Münze ein Knoten ist. Wenn zwei Münzen eine starke Übereinstimmung zeigen, verbinden wir sie im Diagramm.

Um die besten Gruppen von Münzen zu finden, die denselben Stempel teilen, wenden wir einen Algorithmus zur Graphenclustering an. Dieser Algorithmus funktioniert, indem er jedem Knoten Labels zuweist und diese Labels basierend auf den Verbindungen zu anderen Münzen aktualisiert. Der Prozess wird fortgesetzt, bis die Labels in einen stabilen Zustand übergehen.

Um die passendste Verbindungsschwelle im Diagramm zu bestimmen, bewerten wir alle möglichen Schwellenwert-Einstellungen und wählen die aus, die die beste interne Kohärenz bietet, basierend auf einem Prinzip, das keine bekannten Gruppen erfordert.

Tests und Ergebnisse

Wir haben unsere Methode an zwei Münzsammlungen getestet. Die erste Sammlung umfasste 2.484 Münzen, während die zweite 295 Münzen hatte. Wir haben unseren automatisierten Ansatz mit der modifizierten Version von CADS verglichen. Die Ergebnisse zeigten, dass unsere Methode deutlich besser bei der Identifizierung von Münzgruppen abschneidet.

In unseren Tests war unsere Methode viel schneller und schloss die Analyse von Tausenden von Münzen in nur ein paar Stunden ab, während CADS mehrere Wochen für denselben Arbeitsaufwand benötigen würde. Die Genauigkeit unserer Methode war ebenfalls hoch, wobei die meisten Bewertungsmetriken über 0,90 lagen.

Herausforderungen und Fehler

Trotz der hohen Leistung gibt es immer noch einige Herausforderungen. Fehler bei der Identifizierung von Gruppen können auftreten. Zum Beispiel könnte unsere Methode Münzen fälschlicherweise gruppieren, die nicht zusammengehören, oder es versäumen, Münzen zu verbinden, die denselben Stempel teilen. Die Fehler lassen sich in Bezug auf die Präzision einfacher korrigieren, aber die Wiederherstellung von Rückrufproblemen kann komplexer sein und erfordert möglicherweise die Prüfung aller Münzen in der Sammlung.

Um Numismatikern zu helfen, ihre Ergebnisse zu verfeinern, stellen wir Beispiele für beide Arten von Fehlern zur Verfügung. Dies ermöglicht Historikern, falsche Gruppierungen zu überprüfen und eine genauere Analyse von antiken Münzen zu gewährleisten.

Zukünftige Richtungen

Mit dieser automatisierten Methode können Historiker Stempelstudien nun in viel grösserem Massstab durchführen. Dies ist besonders nützlich für Zivilisationen, bei denen frühere Analysen durch die Grösse der verfügbaren Münzsammlungen eingeschränkt waren, wie Athen, Aegina oder das Römische Reich.

Unser Ansatz könnte auch die Untersuchung von Münzen aus verschiedenen Werkstätten erleichtern und Verbindungen aufdecken, die in traditionellen Studien möglicherweise übersehen wurden.

Es ist jedoch wichtig zu beachten, dass unsere Tests relativ einheitliche Münzsammlungen verwendeten. Bei der Verarbeitung von variierteren Sammlungen, wie solchen mit Bildern, die unter unterschiedlichen Bedingungen oder aus verschiedenen Quellen aufgenommen wurden, könnte unsere Methode nicht so gut funktionieren. Diese Variabilität stellt eine Herausforderung dar, die wir in zukünftigen Entwicklungen angehen möchten.

Für den Moment glauben wir, dass unsere Automatisierung ein wertvolles Werkzeug für Forscher im Bereich der antiken Numismatik bietet, um unser Wissen über antike Wirtschaften und Gesellschaften zu erweitern. Indem wir Stempelstudien zugänglicher und effizienter machen, hoffen wir, zu einem tieferen Verständnis der komplexen Geschichte von Währung und Handel in der Antike beizutragen.

Originalquelle

Titel: Automatic Die Studies for Ancient Numismatics

Zusammenfassung: Die studies are fundamental to quantifying ancient monetary production, providing insights into the relationship between coinage, politics, and history. The process requires tedious manual work, which limits the size of the corpora that can be studied. Few works have attempted to automate this task, and none have been properly released and evaluated from a computer vision perspective. We propose a fully automatic approach that introduces several innovations compared to previous methods. We rely on fast and robust local descriptors matching that is set automatically. Second, the core of our proposal is a clustering-based approach that uses an intrinsic metric (that does not need the ground truth labels) to determine its critical hyper-parameters. We validate the approach on two corpora of Greek coins, propose an automatic implementation and evaluation of previous baselines, and show that our approach significantly outperforms them.

Autoren: Clément Cornet, Héloïse Aumaître, Romaric Besançon, Julien Olivier, Thomas Faucher, Hervé Le Borgne

Letzte Aktualisierung: 2024-07-30 00:00:00

Sprache: English

Quell-URL: https://arxiv.org/abs/2407.20876

Quell-PDF: https://arxiv.org/pdf/2407.20876

Lizenz: https://creativecommons.org/licenses/by-nc-sa/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.

Mehr von den Autoren

Ähnliche Artikel