Deep learning for architectural pathology : image classification and object detection

The topic discussed in this thesis is the employment of Artificial Intelligence (AI) to support conservation and preservation projects, specifically focusing on recognizing architectural pathologies through deep learning. The critical issue, and thus the challenge, is the development of a robust, real-time, and low-cost automated method for detecting the various decay types based on the ICOMOS illustrated glossary of deterioration patterns. This work proposes a novel database for an automatic damage detection technique, using Yolov5 and ResNet18 models.

Il tema discusso in questa tesi è l'impiego dell'Intelligenza Artificiale (IA) per supportare progetti di conservazione e restauro, focalizzandosi specificamente sul riconoscimento delle patologie architettoniche attraverso applicazioni di deep learning. L'aspetto critico, e quindi la sfida, è lo sviluppo di un metodo a basso costo ma automatizzato e robusto, che funzioni in tempo reale e a basso costo per rilevare i vari tipi di degrado, definiti in base al glossario illustrato dei modelli di deterioramento dell'ICOMOS. Questo lavoro propone nello specifico un nuovo database per una tecnica automatica di mappatura dei degradi, utilizzando modelli Yolov5 e ResNet18 per la localizzazione degli oggetti e la classificazione di immagini, rispettivamente.