Segmentação de petroglifos brasileiros com BEGL-UNet e mecanismos de atenção

Comparação de três arquiteturas U-Net com perda BEGL (Boundary-Enhanced Gaussian Loss) na segmentação semântica de petroglifos do Complexo Arqueológico Poço da Bebidinha (Buriti dos Montes, PI). Sobre 82 imagens anotadas, em validação cruzada 5-fold, a variante Attention-Residual BEGL-UNet atinge DSC $0{,}710$ — resultado documentado em [arXiv:2511.11959].

Neste post reportamos as arquiteturas, o protocolo de treino (PyTorch), ablações de pré-processamento e as métricas por fold. O dataset de petroglifos não está versionado no git — permanece local por restrições de patrimônio arqueológico.

---

1. Motivação: patrimônio rupestre em degradação

O nordeste brasileiro concentra milhares de sítios arqueológicos registrados pelo IPHAN. O Parque Nacional Serra da Capivara (Piauí) abriga mais de mil sítios com manifestações rupestres. O Poço da Bebidinha, às margens do Rio Poti, contém petroglifos de baixo relevo gravados em afloramentos de paragneiss da Unidade Canindé — motivos geométricos, zoomorfos e antropomorfos associados às tradições Nordeste e Agreste.

A documentação digital desses registros é urgente: erosão, colonização por líquens, depósitos minerais e vandalismo degradam as gravuras progressivamente. A segmentação automática de petroglifos em fotografias de campo permitiria:

• inventário sistemático de motivos gravados;
• medição de dimensões e densidade de gravuras por painel;
• monitoramento temporal de degradação;
• integração futura com reconstrução 3D de afloramentos.

O problema é tecnicamente difícil. Petroglifos apresentam baixo contraste radiométrico contra o substrato rochoso, iluminação não controlada, sobreposição cronológica de gravuras e depósitos de óxidos de ferro que ocluem os motivos. Métodos clássicos de limiarização adaptativa e detecção de bordas produzem taxas de falso positivo superiores a 40% neste domínio.

---

2. BEGL-UNet: por que a perda importa tanto quanto a arquitetura

Bai et al. (2023) propuseram o BEGL-UNet para segmentação de arte rupestre europeia (dataset 3D-Pitoti), alcançando DSC de 0,865 — estado da arte no domínio. A contribuição central não é apenas a arquitetura U-Net, mas a função de perda que penaliza imprecisão nas bordas das gravuras:

$$\mathcal{L}_{\mathrm{BEGL}} = \alpha \cdot \mathcal{L}_G + \beta \cdot \mathcal{L}_{\mathrm{BCE}}$$

onde $\mathcal{L}_{\mathrm{BCE}}$ é a entropia cruzada binária e $\mathcal{L}_G$ é o erro quadrático médio entre mapas de borda gaussianos da predição e do ground truth:

$$\mathcal{L}_G = \mathrm{MSE}\bigl(\mathcal{G}(\nabla \hat{y}),\; \mathcal{G}(\nabla y)\bigr)$$

O gradiente $\nabla$ usa filtros de Sobel; o filtro gaussiano $\mathcal{G}$ tem kernel 5×5 e $\sigma = 0{,}8$. Os pesos adotados são $\alpha = 0{,}001$ e $\beta = 1{,}0$.

A intuição física é direta: em petroglifos de baixo relevo, a fronteira entre gravura e rocha é o sinal mais frágil. Penalizar diretamente a qualidade das bordas preditas força a rede a aprender contornos nítidos mesmo quando o contraste global é baixo.

---

3. Três arquiteturas comparadas

Todas as variantes compartilham a perda BEGL e o protocolo de treinamento. A variável experimental é o mecanismo de atenção no decoder.

3.1 BEGL-UNet (baseline)

Implementação fiel ao U-Net original de Ronneberger et al. (2015): encoder com blocos de dupla convolução 3×3 (canais 3→64→128→256→512), bottleneck de 1024 canais, decoder com convoluções transpostas e skip connections diretas. Sem blocos residuais nem atenção.

3.2 Attention-Residual BEGL-UNet

Integra blocos residuais pós-ativação (He et al., 2016) com attention gates de Oktay et al. (2018) em cada nível do decoder. O gate suprime features irrelevantes do encoder antes da concatenação:

$$\hat{x} = x \odot \sigma\!\left(\mathrm{Conv}_{1\times1}\!\left(\mathrm{ReLU}(W_g g + W_x x)\right)\right)$$

onde $g$ é o sinal do decoder e $x$ são as features do encoder.

3.3 SCA-BEGL-UNet (Spatial-Channel Attention)

Combina os attention gates com módulos CBAM (Woo et al., 2018): atenção de canal (redução 16:1, pooling médio e máximo paralelos) seguida de atenção espacial (convolução 7×7 sobre estatísticas de canal). A sequência canal→espacial é aplicada dentro de cada bloco de atenção híbrida.

---

4. Dataset e protocolo experimental

As transformações de augmentação incluem flip horizontal e vertical, deformação elástica ($\alpha = 120$, $\sigma = 6$), distorção óptica e distorção em grade — preservando a morfologia dos motivos gravados sem alterar a topologia das máscaras de forma irrealista.

---

5. Resultados

5.1 Comparação entre arquiteturas (5-fold CV, época 30)

O Attention-Residual BEGL-UNet obteve o melhor desempenho global: DSC de 0,710 (+2,9% sobre o baseline) e menor perda de validação (0,067). O SCA-BEGL-UNet alcançou recall ligeiramente superior (0,857), indicando melhor detecção em cenários de sobreposição cronológica — ao custo de precisão marginalmente menor.

5.2 Convergência

Todas as arquiteturas convergiram antes da época 30. O Attention-Residual apresentou a curva de DSC mais estável entre folds, com menor variância inter-fold (±0,106 vs ±0,129 do baseline).

5.3 Gap em relação ao 3D-Pitoti

Bai et al. reportaram DSC de 0,865 e MIoU de 0,840 no dataset europeu 3D-Pitoti (548 patches augmentados de calcário). Nossos resultados no Poço da Bebidinha ficam substancialmente abaixo (DSC ~0,71). Isso é esperado e não invalida a abordagem:

• Geologia distinta: paragneiss brasileiro vs calcário alpino — padrões de erosão e contraste espectral diferentes.
• Estilo artístico: tradição Nordeste com sobreposição cronológica vs convenções do Paleolítico europeu.
• Tamanho da amostra: 82 imagens vs centenas de patches europeus.
• Condições de campo: iluminação natural não controlada vs documentação em ambiente de caverna.

O valor do trabalho está em estabelecer uma linha de base reproduzível para petroglifos brasileiros, não em superar o SOTA europeu no primeiro experimento.

5.4 Resultado negativo: pré-processamento CLAHE

Um experimento colateral testou pré-processamento com CLAHE (Contrast Limited Adaptive Histogram Equalization) antes do treinamento. O efeito foi deletério: MIoU caiu de ~0,66 para ~0,42 no baseline BEGL-UNet. O realce local de contraste amplifica artefatos de iluminação e depósitos minerais, confundindo a rede mais do que ajudando.

---

6. Casos de falha

Três condições degradaram o desempenho de todas as arquiteturas de forma similar:

1. Sobreposição cronológica — gravuras executadas em fases temporais distintas criam fronteiras ambíguas entre motivos.
2. Depósitos minerais e colonização biológica — crostas de óxido de ferro e líquens ocluem parcialmente os padrões.
3. Baixo contraste radiométrico — variabilidade na composição mineralógica do gneiss e iluminação descontrolada limitam a diferenciação espectral entre gravura e substrato.

O SCA-BEGL-UNet, com maior recall, é preferível quando a prioridade é não perder gravuras parcialmente visíveis; o Attention-Residual, com melhor precisão, é preferível quando falsos positivos devem ser minimizados.

---

7. Implementação e reprodutibilidade

O repositório 628-Segmentation organiza o código em:

Os modelos são serializados com dill em vez de torch.save padrão, preservando a definição completa da classe. Isso elimina a necessidade de reimportar arquiteturas customizadas no ambiente de inferência — relevante para implantação em campo por equipes de arqueologia sem expertise em PyTorch.

Tempos de treinamento registrados (RTX 4070 Super):

---

8. Limitações e próximos passos

Limitações:

• Dataset restrito a um único sítio arqueológico — generalização para outros contextos geológicos do nordeste não está demonstrada.
• Amostra pequena (82 imagens) impede testes de significância estatística formais.
• Sem avaliação em imagens de campo com GPS/IMU para georreferenciamento automático.

Direções futuras (conforme o artigo):

• Expansão do dataset para outros sítios do Piauí e da Serra da Capivara.
• Vision Transformers para modelagem de dependências espaciais de longo alcance.
• Auto-supervisão para aproveitar imagens não anotadas de painéis rochosos.
• Integração com reconstrução 3D de afloramentos e estimativa automática de dimensões de gravuras.
• Exploração de modelos de difusão (Stable Diffusion + ControlNet) para realce de imagens degradadas — implementação preliminar em gan.py, separada do pipeline de segmentação.

---

Referências

• Melo, L., Vieira, L. G. D. M. L., & Araújo, M. (2025). Evaluation of Attention Mechanisms in U-Net Architectures for Semantic Segmentation of Brazilian Rock Art Petroglyphs. arXiv:2511.11959.
• Bai, C., Liu, Y., Zhou, P., Wang, X., & Zhou, M. (2023). BEGL: boundary enhancement with Gaussian Loss for rock-art image segmentation. Heritage Science, 11(1). DOI 10.1186/s40494-022-00857-5
• Ronneberger, O., Fischer, P., & Brox, T. (2015). U-Net: Convolutional Networks for Biomedical Image Segmentation. MICCAI.
• Oktay, O. et al. (2018). Attention U-Net: Learning Where to Look for the Pancreas. MIDL.
• Woo, S. et al. (2018). CBAM: Convolutional Block Attention Module. ECCV.