Tecniche di Preparazione di Dataset da Immagini Satellitari di Siti Archeologici per Elaborazioni con Deep Learning

Questa tesi riporta il contributo dato ad un progetto di applicazione di deep learning al remote sensing nell’ambito dell’archeologia. Il progetto ha come obiettivo quello di sviluppare una rete neurale, che sia in grado di analizzare una zona di interesse degli archeologi data in input, per dare come output una serie di possibili siti archeologici. L’area da cui provengono le immagini che verranno usate nella creazione del dataset è il governatorato di al-Q ̄adisiyya, che si trova in Iraq. Il progetto si inserisce come una delle tante iniziative portate avanti dall’Università di Bologna nel medioriente, infatti in ambito archeologico l’Alma Mater porta avanti due progetti molto importanti: Eduu dedicato alla divulgazione del patrimonio archeologico e culturale iracheno, e Qadis, pensato per la ricognizione mirata di siti archeologici con tecnologie avanzate. Per gli archeologi la ricerca dei siti di scavo tramite l’uso di tecniche di remote sensing, è un’attività dispendiosa a livello temporale. Da qui nasce il desiderio di tentare l’automazione di questo processo, o per lo meno di fornire un supporto automatizzato all’umano,così da poter meglio spendere tempo ed energie su altre attività relative alla professione di archeologo. In questo contesto, lo scopo del lavoro di tesi è quello di collaborare al progetto con la creazione di un dataset, che sia adatto per l’allenamento di un modello direte neurale, che sarà poi usato per automatizzare il processo di individuazione, si presume che automatizzare questo processo possa aiutare gli archeologi a migliorare ancora di più la loro produttività con un risparmio di tempo e risorse. Un altro obiettivo è quello di abbattere la barriera di significato tra archeologi e data scientist, permettendo ad entrambi di collaborare nella creazione di un modello di rete neurale, che sfrutti le conoscenze umane per ottenere risultati migliori rispetto ad un modello allenato senza alcun interazione con gli esperti del settore.