Leibniz Universität Hannover zur zentralen Website
Konstruktiver Ingenierbau
Wasser und Umwelt
Geodäsie und Geoinformatik
Weitere Einrichtungen
Kontakt
 
StudiumStudienangebot der FakultätGeodäsie und GeoinformatikGeowerkstatt
GeoWerkstatt-Projekt des Monats Juni 2019 - SILKNOW

SILKNOW

GeoWerkstatt-Projekt des Monats Juni 2019

Projekt:  SILKNOW

Forschende:  apl. Prof. Dr. techn. Franz Rottensteiner, Mareike Dorozynski, Dennis Wittich

Projektidee: Silk heritage in the Knowlegde Scociety: from punched cards to big data, deep learning and visual/tangible simulations (European Union’s Horizon 2020 research and innovation program – No. 769504)

Seidenstoffe sind ein Teil des europäischen kulturellen Erbes. Das EU-Projekt SILKNOW (http://silknow.eu/) widmet sich der Bewahrung und Verbreitung des Wissens über Seidenstoffe und entwickelt dabei auch Methoden der Künstlichen Intelligenz, die dabei unterstützen. Um Kunstwerke wissenschaftlich einzuordnen, sind Informationen über den Hersteller, die Entstehungszeit oder den Entstehungsort von Interesse, jedoch liegen sie oftmals nicht in einem standardisierten Format und nur lückenhaft vor. Große Sammlungen zu sichten und zu ordnen, wird dann mühsam. Dieses Problem wollen wir im Rahmen des Projekts für Seidenstoffe durch die Klassifikation von Bildern mittels Convolutional Neural Networks (CNN), künstlichen neuronalen Netzen, lösen.

Bislang haben wir exemplarisch die Herstellungsepoche eines Seidenstoffes betrachtet. Mit Bildern von Seidenstoffen, zu denen die zeitliche Information vorhanden ist, kann ein neuronales Netz so trainiert werden, dass es anschließend weitere Stoffe zeitlich einordnen kann. Hierfür wird ein Bild von jedem Stoff, für den die Entstehungszeit nicht bekannt ist, an das trainierte CNN übergeben. Das CNN liefert dann als Ergebnis einen Zeitraum, in dem das Textil wahrscheinlich hergestellt wurde. Bei unserer Klasseneinteilung in zeitliche Abschnitte von jeweils 50 Jahren von 1800-1950 könnte bei den beiden Seidenstoffen (siehe Abbildung) das Ergebnis “erste Hälfte des 20. Jahrhunderts” lauten.

Durch diese automatisierte Klassifikation der Textilien können große Sammlungen von Seidenstoffen auf Basis von Bildern zeitlich eingeordnet werden und somit kann die Arbeit von Historikern unterstützt und ein Mehrwert für Museen, Tourismus und Bildung geschaffen werden.

Bild von einem grünen Stoff mit gelben Mustern (Blumen und Kreuze) Bild von einem grünen Stoff mit gelben Mustern (Blumen und Kreuze) Bild von einem grünen Stoff mit gelben Mustern (Blumen und Kreuze)
Abbildung 1: Beispiele für Bilder von Steidenstoffen, die im Rahmen des SILKNOW-Projekts verwendet werden (HTTP://GARIN1820.COM/CONTACTO/).