Needles in the Landscape: Semi-Supervised Pseudolabeling for Archaeological Site Discovery under Label Scarcity

Resumen Técnico: Agujas en el Paisaje: Pseudolabeling Semisupervisado para el Descubrimiento de Sitios Arqueológicos bajo Escasez de Etiquetas

Enunciado del Problema
La Modelización Predictiva Arqueológica (APM) enfrenta un desafío fundamental: los sitios arqueológicos son extremadamente raros (<0,004% de las áreas de prospección) y están distribuidos de forma dispersa en paisajes heterogéneos. El aprendizaje supervisado tradicional falla porque la gran mayoría del paisaje no está etiquetado en lugar de estar confirmado como negativo; tratar las áreas no etiquetadas como negativas introduce un sesgo severo. Esto constituye un problema de aprendizaje Positivo-No Etiquetado (PU). Los métodos estadísticos existentes (por ejemplo, LAMAP) dependen de características diseñadas a mano y de suposiciones fuertes sobre la ausencia de sitios, mientras que los enfoques de aprendizaje profundo estándar colapsan (prediciendo sitios en todas partes cuando se entrenan solo con positivos) o fallan catastróficamente (inviertiendo las clasificaciones de probabilidad cuando se entrenan con negativos inciertos). La dificultad central radica en aprender a partir de etiquetas positivas escasas sin asumir la ausencia de sitios en las regiones no etiquetadas.

Metodología
Los autores proponen Pseudolabeling Dual Asimétrico (DPL), un marco de aprendizaje profundo de extremo a extremo para segmentación semántica que aborda la escasez de etiquetas y la incertidumbre PU sin ingeniería de características diseñada a mano.

• Arquitectura: El modelo utiliza una arquitectura UNet con un codificador compartido y dos decodificadores independientes. Esta estructura de doble rama permite la generación de predicciones diversas necesarias para el pseudolabeling, manteniendo al mismo tiempo la eficiencia computacional.
• Estrategia de Pseudolabeling Asimétrico: La innovación central es un mecanismo de umbralización asimétrica aplicado durante el entrenamiento:
  • Pseudolabels Positivos: Requieren alta confianza (conservador). Una región se etiqueta como un sitio positivo solo si ambas ramas del decodificador coinciden con alta probabilidad (predicción mínima > $\tau_{pos}$). Estas etiquetas se escalan suavemente utilizando un parámetro de temperatura.
  • Pseudolabels Negativos: Requieren solo evidencia débil (permisivo). Una región se etiqueta como negativa (no sitio) si al menos una rama es escéptica (predicción mínima < $\tau_{neg}$). Estas etiquetas se codifican directamente como 0.
  • Programación Dinámica: Los umbrales evolucionan durante el entrenamiento mediante una función de aumento sigmoide, comenzando con umbrales negativos permisivos y volviéndose más selectivos con el tiempo.
• Función de Pérdida: La pérdida total combina cuatro términos:
  1. Pérdida Supervisada ($L_{SL\_Pos}$): Calculada solo en píxeles positivos confirmados para evitar aprender del fondo incierto.
  2. Pérdida de Pseudolabels ($L_{pseudo}$): Calculada en los pseudolabels generados utilizando Focal Loss para centrarse en píxeles inciertos.
  3. Regularización de Consistencia ($L_{cons}$): Hace cumplir el acuerdo entre las dos ramas del decodificador.
  4. Regularización de Entropía ($L_{ent}$): Aplicada a los píxeles donde las ramas no coinciden para minimizar la incertidumbre.
• Estrategia de Entrenamiento: El modelo emplea muestreo híbrido (10% de parches centrados en sitios conocidos, 90% aleatorios) y se entrena en imágenes geoespaciales multibanda (características derivadas de MDE y mapas de infraestructura histórica) sin ingeniería manual de características.

Contribuciones Clave

1. Formulación: Enmarca la APM como una tarea de segmentación semántica semisupervisada bajo escasez extrema de etiquetas e incertidumbre PU.
2. Algoritmo: Introduce una estrategia de pseudolabeling asimétrico que refleja el riesgo arqueológico: conservador para los falsos positivos (requiriendo consenso) y permisivo para los falsos negativos (requiriendo solo disenso), permitiendo el aprendizaje sin asumir que el fondo es verdaderamente negativo.
3. Límites Empíricos: Establece que el aprendizaje supervisado estándar (SL) falla bajo incertidumbre negativa (invirtiendo las clasificaciones) y que el entrenamiento solo con positivos (SL_Pos) colapsa a predecir en todas partes. DPL opera efectivamente entre estos límites empíricos.
4. Validación: Proporciona una evaluación rigurosa en dos conjuntos de datos con estrategias complementarias: Sagalassos (validación independiente de prospección de campo) y Chipre (configuración PU pura con validación cruzada espacial k-fold).
5. Reproducibilidad: Libera todo el código, scripts de preprocesamiento y el conjunto de datos de Chipre; los datos de Sagalassos son propietarios pero el código se comparte.

Resultados Experimentales

• Conjunto de Datos de Sagalassos (Turquía): Evaluado contra una prospección de campo independiente (Prospección 2) utilizando la Prospección 1 para entrenamiento.
  • Rendimiento: DPL superó la línea base LAMAP de última generación en un 12,5% en F1 y un 29,3% en Recall a través de siete períodos históricos.
  • Comparación: Mientras que DPL destacó en métricas de descubrimiento (F1, Recall), LAMAP mantuvo una clasificación de probabilidad superior (PR-AUC y ROC-AUC), atribuido a su modelado probabilístico explícito.
  • Líneas Base: SL estándar pasó por alto el 85% de los sitios; SL_Pos colapsó a un 100% de recall sin discriminación.
• Conjunto de Datos de Chipre (Configuración PU Pura): Evaluado mediante validación cruzada uniforme a nivel de sitio y espacial k-fold sin negativos confirmados.
  • Rendimiento: DPL operó nominalmente entre los límites empíricos (SL y SL_Pos) pero mostró alta varianza e inestabilidad en el entrenamiento. Falló en distinguir sitios individuales de amplios gradientes de terreno costero.
  • Comparación con LAMAP: LAMAP superó sustancialmente a todos los métodos de aprendizaje profundo en esta configuración (ROC-AUC 0,765 frente a ~0,51 de DPL), sugiriendo que cuando solo están disponibles gradientes de terreno gruesos, los métodos de similitud de características son más robustos que el arranque con pseudolabels.
  • Análisis: El análisis de separabilidad de características reveló que el éxito de DPL en Sagalassos dependía de características de infraestructura histórica específicas espaciales (por ejemplo, distancia a carreteras), las cuales estaban ausentes en el conjunto de datos de Chipre.

Significado y Afirmaciones
El artículo afirma que DPL ofrece un camino viable para aprender a partir de etiquetas incompletas y sesgadas positivamente en dominios espacialmente estructurados (relevantes para ecología, epidemiología y teledetección) sin requerir ausencias confirmadas ni estimación de priores de clase.

Los autores enfatizan que DPL es más efectivo cuando características auxiliares específicas espaciales (por ejemplo, mapas de infraestructura histórica) proporcionan discriminación de alta resolución. En paisajes donde solo existen amplios gradientes geográficos (como en el estudio de caso de Chipre), el método lucha por arrancar pseudolabels estables, y los enfoques tradicionales de similitud de características como LAMAP siguen siendo más apropiados. El trabajo delimita el límite de aplicabilidad del pseudolabeling en el descubrimiento arqueológico: es una herramienta poderosa para el descubrimiento de sitios cuando existen señales discriminativas específicas, pero no puede reemplazar la necesidad de prospección de campo dirigida o modelos calibrados por dominio en entornos con escasez de datos y pobres en características.