Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

Progetto ARTI4EO

Titolo Completo: Artificial Intelligence for Earth Observation

Durata: 12 mesi

Organismo di Ricerca:
Università di Roma “Tor Vergata”

Imprese: NAIS – Nextant Applications and Innovative Solutions

Obiettivi del progetto:

Il progetto ArtI4EO si inserisce nell’Area di Specializzazione dell’Osservazione della Terra” e propone:
1 – lo sviluppo di strumenti di analisi di immagini, basate su tecniche di Machine Learning (ML) e Deep Learning (DL), con l’obiettivo di individuare, classificare e delineare i danni presenti sulle superfici di beni culturali immobili, ad es. monumenti archeologici o architettonici, a partire da dati da osservazione della terra e immagini fotografiche provenienti da rilievi in-situ (sia da terra che da drone)
2 – la validazione degli algoritmi su immagini acquisite in-situ.

La caratterizzazione del danno sulla superficie di un bene è un elemento di primaria importanza nelle attività di salvaguardia. Ad oggi essa viene eseguita da tecnici attraverso missioni speditive sul posto, con notevole dispendio di risorse economiche ed umane spesso al di là della portata del gestore del sito. Inoltre, la complessità strutturale che spesso contraddistingue i siti archeologici limita l’intervento del personale tecnico alle sole zone ispezionabili. In ultima analisi è possibile affermare come ad oggi la valutazione del danno sia ancora troppo dipendente dall’intervento e dal giudizio umano, con relativi problemi pratici, economici e di mancanza di oggettività nell’interpretazione dei dati.

Presentazione team e progetto