Framework AI classifica ossa di uccelli con l'86% di accuratezza
Un framework multimodale proof-of-concept che integra l'analisi delle immagini basata su reti neurali convoluzionali con misurazioni osteometriche raggiunge l'86% di accuratezza nella classificazione delle ossa di uccelli. Utilizzando oltre 10.000 immagini provenienti da più collezioni museali e di ricerca, il sistema esegue l'identificazione degli elementi scheletrici e la classificazione tassonomica a livello di famiglia. Le immagini vengono segmentate automaticamente tramite un pipeline a due fasi che combina BiRefNet e SAM2. Le caratteristiche visive di un backbone pre-addestrato EfficientNet_V2_S vengono fuse con dati morfometrici standardizzati attraverso un'architettura a livello di caratteristiche. La ricerca, pubblicata su arXiv, dimostra il potenziale dell'IA in zooarcheologia, un campo in cui la sua applicazione è stata limitata.
Fatti principali
- Il framework multimodale combina l'analisi delle immagini CNN con misurazioni osteometriche
- Il dataset include oltre 10.000 immagini da più collezioni museali e di ricerca
- Due compiti di classificazione: identificazione degli elementi scheletrici e classificazione tassonomica a livello di famiglia
- La segmentazione delle immagini utilizza un pipeline a due fasi con BiRefNet e SAM2
- Le caratteristiche visive sono estratte con un backbone pre-addestrato EfficientNet_V2_S
- L'architettura multimodale a livello di caratteristiche fonde dati visivi e morfometrici
- Il modello ha raggiunto l'86% di accuratezza sul test set per la classificazione del tipo di osso
- Pubblicato su arXiv come proof-of-concept per l'IA in zooarcheologia
Entità
Istituzioni
- arXiv