Besuch aus München

Am 27.02.2023 konnten wir unseren Kooperationspartner Dr. Bernward Ziegaus von der Archäologischen Staatssammlung an der RGK in Frankfurt begrüßen. Bei vorangegangenen Besuchen in München haben wir u.a. die Büschelquinare (Serie 1) aus der Staatssammlung untersucht und für die Anwendung IT-basierter Methoden fotografiert. Nun konnten wir die ersten Ergebnisse vorstellen.

Nach einer kurzen Einführung von Karsten Tolle zu Aufbau und Funktion der unterschiedlichen IT-basierten Methoden stellte Chrisowalandis Deligio seine ersten Ergebnisse für die Vorderseiten der Büschelquinare vor, die er in einem Dendrogramm visualisierte.

Abb. 1: Dendrogramm gebildeter Münzcluster im Programm Orange. Im Bild links das Dendrogramm rechts ein Blick in einen Teilbaum. Die Zuweisung in den Bildunterschriften basiert auf den Zuweisungen in Dédalo (die sog. ground truth) (Grafik: C. Deligio/Big Data Lab. Fotos: C. von Nicolai/Danneranlage, RGK).

 

Eine wichtige Beobachtung war, dass der Algorithmus Münzen verschiedener Typen zusammen clustert, bei denen auch die Numismatiker*innen Probleme bei der Typzuweisung haben. Dies betrifft insbesondere die hier vorgenommene Betrachtung der Vorderseiten. In Abbildung 1 ist das Problem z.B. anhand des sog. Prototyp und des dazugehörigen Typ A nachvollziehbar. Gleichzeitig wurden aber auch Aspekte der aktuell existierenden Typologien in Frage gestellt. So kam die Frage auf, inwiefern etwa das Henkelohr ein entscheidendes Kriterium für den Prototyp ist und ob in der Abbildung einzig die beiden Münzen unten rechts echte Prototypen sind. Dabei wurde klar, dass die Einbeziehung der Rückseiten als Unterscheidungskriterium nicht außer Acht gelassen werden darf.

Ein weiteres Thema war die Nachvollziehbarkeit des Clustering. Für das Verfahren wurde ein Algorithmus aus dem Image Matching-Bereich genutzt (ORB). Der Algorithmus bestimmt relevante Punkte im Bild (sog. Schlüsselpunkte), die anschließend mit jedem anderen Bild verglichen werden können. Übereinstimmende Schlüsselpunkte können durch Verbindungen visualisiert werden (siehe Abb. 2). Die Ergebnisse wurden dann als Eingabe für ein hierarchisches Clustering genutzt und als Dendrogramm visualisiert. Die Qualität des Clustering hängt dann von der Leistung des Schlüsselpunkt-Vergleichs ab, denn nicht alle erkannten Schlüsselpunkte müssen richtig bzw. hilfreich sein.

Abb. 2: Schlüsselpunktvergleich mit den von ORB detektierten Schlüsselpunkten (Grafik: C. Deligio/Big Data Lab. Fotos: C. von Nicolai/Danneranlage, RGK).

 

Im Verlauf unseres Projektes zeigte sich, dass vor allem für KI-basierte Ansätze oftmals andere Merkmale eine Rolle spielen und genau hier wird es spannend, denn die Forschenden gewinnen so neue Ansätze, um ihre aktuellen Einsichten zu hinterfragen.

Für die Evaluation der Ergebnisse ist die Meinung eines Experten unabdingbar und so entstanden noch viele weitere fruchtbare Diskussionen auch im Anschluss an das Treffen. Dafür danken wir Herrn Ziegaus ganz herzlich.

 

mm, cd



Diesen Blogbeitrag zitieren
mbrand (2023, 27. März). Besuch aus München. ClaReNet. Abgerufen am 13. April 2024, von https://doi.org/10.58079/mv49

Das könnte dich auch interessieren …

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search