
吉金识辨 · 青铜器智能断代与辨类
Mini Program by IIGG
PART 01项目背景
1. 项目背景及目标
传统青铜器断代工作只能由少数专家依据经验才能完成,这限制了青铜器研究的普及和效率。在"吉金识辨·青铜器智能断代与辨类"项目中,吉林大学"古文字古文物人工智能重点实验室"首次将人工智能技术引入青铜器研究领域,旨在通过图像深度学习技术对青铜器的器类与年代进行智能判断,从而提高青铜器断代的准确性和便捷性。其目标是开发一个基于深度学习的青铜器智能断代与辨类系统,并将其以微信小程序的形式向公众呈现。该系统主要包含两大功能:一是青铜器的智能辨类与断代,二是提供青铜器数据库。这一项目不仅改变了传统研究方式,也为考古领域的专业研究和教学提供了辅助参考,同时对弘扬中国传统文化、推动探索中国古代文明有着积极作用。
2. 团队介绍
"吉金识辨·青铜器智能断代与辨类"项目由吉林大学多学科研发团队发起,从 2018 年底开始,吉林大学古文字研究团队先后与计算机学院、人工智能学院合作,从事古文字、古文物与人工智能的交叉研究,由李春桃教授领衔,涉及考古学、古文字学、历史学、计算机科学与技术、人工智能等。
PART 02项目概述
1. 数据收集、增强及数据库建立
1.1 数据收集与标注
数据方面,该项目目前使用的是青铜鼎的二维图像,主要取自正式的出版书籍和发掘报告,以及公开的数据库资源。在图像类别上,该项目收录了器物的彩色照片、黑白照片、线图摹本及全形拓等多种形式。目前共收集来自 11 个时代的青铜鼎的图片样本共 3690 个。
1.2 数据增强与处理
为了提升模型的泛化能力,项目组采用了数据增强技术,包括去除背景、灰度化、线条化和翻转图像等方法。
2. 智能模型构建
在模型构建方面,项目组选择了 ResNet50 作为骨干网络,利用深度学习技术进行多粒度分类。项目组对模型进行了严格的测试,结果显示,模型对粗略时代划分的总体精度达到 88.79%,而对详细时代划分的总体精度为 78.83%。通过对测试结果的深入分析,项目组发现影响模型准确率的因素主要包括训练数据量、图像的清晰度、器物的完整性以及相邻时代器形的相似性。
3. 科研转化应用
"吉金识辨"项目将人工智能模型成功转化为实际应用,开发者将经过训练的人工智能模型部署到了微信小程序中。
小程序具有两个主要功能:
- 1
青铜器智能辨类与断代,用户可拍照或上传青铜器图片,系统将自动判断其类别和时代,并推荐五件相似青铜器供参考,每一参考器形下会列出器物名称、著录出处、出土墓葬、时代、藏地等相关信息。
- 2
青铜器数据库,系统提供了数据集,做了分类与断代,使用者可分别按照器类或者时代浏览相关器物图像。