Architectural Heritage Recognition with Deep Learning: An ANN and CNN Approach

La historia suele escribirse en piedra, pero durante siglos, la comprensión de las historias talladas en esa piedra ha dependido del lento y cuidadoso trabajo de los ojos humanos. Cuando un historiador o un arquitecto observa un edificio de un pasado distante, debe identificar su estilo —ya sean los arcos elevados de la era gótica o las intrincadas columnas de la antigua Persia— para comprender su lugar en el tiempo. Este proceso manual no solo consume mucho tiempo, sino que también es difícil de escalar cuando se enfrenta a miles de imágenes dispersas en archivos. La complejidad visual de estas estructuras, con sus textas, formas y materiales únicos, hace que sea difícil organizarlas sistemáticamente. En años recientes, una rama de la informática conocida como aprendizaje profundo ha ofrecido una nueva forma de abordar este problema. Estos sistemas están diseñados para aprender de los datos de forma muy similar a como un cerebro humano aprende de la experiencia, permitiéndoles reconocer patrones en imágenes que podrían ser demasiado sutiles o numerosos para que una persona los clasifique de manera eficiente. Al enseñar a las computadoras a ver los detalles específicos que definen la era de un edificio, los investigadores esperan crear herramientas que puedan catalogar y preservar automáticamente nuestro patrimonio arquitectónico compartido.

En un estudio reciente, los investigadores Majid Ali Baig y Sarah Abbas, de la Universidad de Gestión y Tecnología, se propusieron construir tal herramienta. Se centraron en el desafío de clasificar automáticamente imágenes de edificios históricos en sus estilos arquitectónicos correctos. Para ello, desarrollaron un programa informático basado en un tipo de inteligencia artificial llamada red neuronal convolucional. Puede pensar en esta red como un sistema digital que observa una imagen y la descompone en capas de características, comenzando con líneas y formas simples y construyendo gradualmente patrones complejos que definen un estilo específico. El equipo comenzó con una gran colección de fotos de edificios históricos disponibles en línea, la cual contenía imágenes que representaban veinticinco estilos arquitectónicos diferentes. Para su experimento inicial, seleccionaron cuatro estilos distintos para probar su sistema: el antiguo estilo aqueménida, el estilo gótico medieval, el estilo deconstructivista moderno y el ornamentado estilo Art Nouveau.

Los investigadores primero prepararon las imágenes para que la computadora pudiera leerlas. Convirtieron cada foto en una imagen en escala de grises, eliminando el color para centrarse puramente en las formas y estructuras, y las redimensionaron todas a un tamaño uniforme de 256 por 256 píxeles. Esta estandarización aseguró que la computadora estuviera comparando peras con peras, en lugar de confundirse por diferentes tamaños de imagen o variaciones de color. Luego, introdujeron estas imágenes procesadas en su red neuronal construida a medida. El sistema fue diseñado con varias capas que trabajaban juntas para extraer los detalles más importantes de cada imagen. Utilizó técnicas matemáticas para ajustar la importancia de diferentes características, asegurando que el sistema aprendiera los patrones correctos sin confundirse por el ruido o detalles irrelevantes. Para que el sistema fuera lo más efectivo posible, los investigadores utilizaron una herramienta automatizada para probar miles de configuraciones diferentes, buscando la combinación perfecta de parámetros que permitiera a la computadora aprender de la manera más rápida y precisa.

Los resultados demostraron que la computadora podía, de hecho, aprender a distinguir entre estos complejos estilos arquitectónicos. Tras entrenarse con los datos, el sistema logró un alto nivel de precisión, identificando correctamente el estilo de un edificio en la gran mayoría de los casos durante su fase de entrenamiento. Al ser probado con nuevas imágenes que no había visto antes, el sistema mantuvo un sólido desempeño, clasificando correctamente el estilo arquitectónico en aproximadamente el 85 por ciento de los casos. Los investigadores también midieron qué tan bien funcionaba el sistema utilizando métricas específicas que observan tanto qué tan seguido acertaba como qué tan seguido omitía una identificación correcta. El sistema mostró una capacidad equilibrada para encontrar el estilo correcto sin cometer demasiados errores, con una puntuación que reflejaba una comprensión sólida de las diferencias visuales entre los estilos. Sin embargo, el estudio también reveló que el sistema no era perfecto; ocasionalmente confundía el estilo gótico con el románico, lo que sugiere que algunas características arquitectónicas son tan similares que incluso los modelos informáticos avanzados pueden tener dificultades para distinguirlas.

Este trabajo demuestra que el aprendizaje profundo puede servir como un poderoso asistente para historiadores y preservacionistas. Al automatizar la clasificación inicial de miles de imágenes de edificios, el sistema puede ayudar a organizar vastas colecciones de registros arquitectónicos mucho más rápido de lo que podría hacerlo un humano. Los investigadores señalaron que su enfoque es escalable, lo que significa que podría expandirse para manejar la gama completa de veinticinco estilos de su conjunto de datos, no solo los cuatro que probaron. Si bien el modelo actual es un paso significativo hacia adelante, los autores reconocen que aún queda trabajo por hacer. Los esfuerzos futuros probablemente se centrarán en refinar el sistema para manejar más estilos y mejorar su capacidad para distinguir entre periodos arquitectónicos muy similares. Por ahora, el estudio demuestra que se puede enseñar a las computadoras a reconocer el lenguaje visual de la historia, ofreciendo una nueva forma de documentar y comprender el patrimonio construido que nos rodea.