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

A história é frequentemente escrita em pedra, mas, durante séculos, a compreensão das histórias esculpidas nessa pedra dependeu do trabalho lento e cuidadoso dos olhos humanos. Quando um historiador ou arquiteto observa um edifício de um passado distante, ele deve identificar seu estilo — se são os arcos elevados da era Gótica ou as colunas intrincadas da antiga Pérsia — para compreender seu lugar no tempo. Este processo manual não é apenas demorado, mas também difícil de escalar quando confrontado com milhares de imagens espalhadas por arquivos. A complexidade visual dessas estruturas, com suas texturas, formas e materiais únicos, torna difícil organizá-las sistematicamente. Nos últimos anos, um ramo da ciência da computação conhecido como aprendizado profundo (deep learning) ofereceu uma nova maneira de enfrentar esse problema. Esses sistemas são projetados para aprender com dados de forma muito semelhante a como um cére_ de aprendizagem humana aprende com a experiência, permitindo que reconheçam padrões em imagens que podem ser muito sutis ou numerosos para uma pessoa classificar de forma eficiente. Ao ensinar os computadores a ver os detalhes específicos que definem a era de um edifício, os pesquisadores esperam criar ferramentas que possam catalogar e preservar automaticamente nosso patrimônio arquitetônico compartilhado.

Em um estudo recente, os pesquisadores Majid Ali Baig e Sarah Abbas, da Universidade de Gestão e Tecnologia, propuseram-se a construir tal ferramenta. Eles focaram no desafio de classificar automaticamente imagens de edifícios históricos em seus estilos arquitetônicos corretos. Para isso, desenvolveram um programa de computador baseado em um tipo de inteligência artificial chamada rede neural convolucional. Você pode pensar nesta rede como um sistema digital que olha para uma imagem e a decompõe em camadas de características, começando com linhas e formas simples e construindo gradualmente padrões complexos que definem um estilo específico. A equipe começou com uma grande coleção de fotos de edifícios históricos disponíveis online, que continha imagens representando vinte e cinco estilos arquitetônicos diferentes. Para o experimento inicial, selecionaram quatro estilos distintos para testar seu sistema: o estilo antigo Aquemênida, o estilo medieval Gótico, o estilo moderno Desconstrutivista e o ornamentado Art Nouveau.

Os pesquisadores primeiro prepararam as imagens para o computador ler. Eles converteram cada foto em uma imagem em tons de cinza, removendo a cor para focar puramente nas formas e estruturas, e redimensionaram todas para um tamanho uniforme de 256 por 256 pixels. Essa padronização garantiu que o computador estivesse comparando "maçãs com maçãs", em vez de se confundir com diferentes tamanhos de imagem ou variações de cores. Eles então alimentaram essas imagens processadas em sua rede neural construída sob medida. O sistema foi projetado com várias camadas que trabalhavam juntas para extrair os detalhes mais importantes de cada foto. Utilizou técnicas matemáticas para ajustar a importância de diferentes características, garantindo que o sistema aprendesse os padrões corretos sem se confundir com ruídos ou detalhes irrelevantes. Para tornar o sistema o mais eficaz possível, os pesquisadores usaram uma ferramenta automatizada para testar milhares de configurações diferentes, buscando a combinação perfeita de parâmetros que permitiria ao computador aprender de forma mais rápida e precisa.

Os resultados mostraram que o computador podia, de fato, aprender a distinguir entre esses estilos arquitetônicos complexos. Após o treinamento com os dados, o sistema alcançou um alto nível de precisão, identificando corretamente o estilo de um edifício na vasta maioria dos casos durante sua fase de treinamento. Quando testado em novas imagens que nunca tinha visto antes, o sistema manteve um desempenho sólido, classificando corretamente o estilo arquitetônico em cerca de 85 por cento dos casos. Os pesquisadores também mediram o desempenho do sistema usando métricas específicas que observam tanto a frequência com que ele estava correto quanto a frequência com que perdia uma identificação correta. O sistema mostrou uma capacidade equilibrada de encontrar o estilo certo sem cometer muitos erros, com uma pontuação que refletia uma compreensão sólida das diferenças visuais entre os estilos. No entanto, o estudo também revelou que o sistema não era perfeito; ocasionalmente, confundia o estilo Gótico com o estilo Românico, sugerindo que algumas características arquitetônicas são tão semelhantes que até mesmo modelos computacionais avançados podem ter dificuldade em distingui-las.

Este trabalho demonstra que o aprendizado profundo pode servir como um poderoso assistente para historiadores e preservacionistas. Ao automatizar a classificação inicial de milhares de imagens de edifícios, o sistema pode ajudar a organizar vastas coleções de registros arquitetônicos muito mais rápido do que um humano conseguiria. Os pesquisadores observaram que sua abordagem é escalável, o que significa que poderia ser expandida para lidar com o intervalo total de vinte e cinco estilos em seu conjunto de dados, não apenas os quatro que testaram. Embora o modelo atual seja um passo significativo à frente, os autores reconhecem que ainda há trabalho a ser feito. Esforços futuros provavelmente se concentrarão em refinar o sistema para lidar com mais estilos e melhorar sua capacidade de distinguir entre períodos arquitetônicos muito semelhantes. Por enquanto, o estudo prova que computadores podem ser ensinados a reconhecer a linguagem visual da história, oferecendo uma nova maneira de documentar e compreender o patrimônio construído que nos cerca.