BD-SAT: High-resolution Land Use Land Cover Dataset & Benchmark Results for Developing Division: Dhaka, BD

कल्पना कीजिए कि आप एक रोबोट को अपने आस-पास की दुनिया को पहचानना सिखाने की कोशिश कर रहे हैं, लेकिन उसे बिल्लियों और कुत्तों की लाखों तस्वीरें दिखाने के बजाय, आप उसे पृथ्वी की उपग्रह (सैटेलाइट) तस्वीरें दिखा रहे हैं। यह रिमोट सेंसिंग (Remote Sensing) और डीप लर्निंग (Deep Learning) की दुनिया है। डीप लर्निंग को एक बहुत ही बुद्धिमान छात्र के रूप में समझें जो तब तक हजारों उदाहरणों को देखता रहता है जब तक कि वह खुद से नियम समझ न जाए। इस मामले में, छात्र लैंड यूज एंड लैंड कवर (LULC) सीखने की कोशिश कर रहा है। यह केवल एक फैंसी तरीका है यह पूछने का कि: "क्या जमीन का यह हिस्सा एक जंगल है, एक खेत है, एक शहर है, या एक झील है?"

यह क्यों महत्वपूर्ण है? क्योंकि हमारा ग्रह तेजी से बदल रहा है। विकासशील देशों में, शहर खरपतवार की तरह बढ़ रहे हैं, और जंगल सिकुड़ रहे हैं। इन परिवर्तनों को समझने के लिए, गरीबी को ट्रैक करने के लिए, या एक नया रास्ता बनाने के लिए कहाँ योजना बनानी है, हमें एक ऐसे मानचित्र की आवश्यकता है जो हमें ठीक से बताए कि जमीन कैसी दिखती है, पिक्सेल दर पिक्सेल। लेकिन यहाँ एक पेंच है: रोबोट छात्र को अध्ययन करने के लिए एक पाठ्यपुस्तक की आवश्यकता होती है। समृद्ध देशों में, हमारे पास पर्याप्त पाठ्यपुस्तकें (डेटासेट) हैं जिनमें सटीक उत्तर दिए गए हैं। विकासशील देशों में, वे पाठ्यपुस्तकें अक्सर गायब होती हैं, धुंधली होती हैं, या ऐसी भाषा में लिखी होती हैं जिसे रोबोट नहीं समझ पाता। अच्छे डेटा के बिना, रोबोट भ्रमित हो जाता है और गलतियाँ करता है, जैसे कि एक कीचड़ भरी नदी को खेत का मैदान समझ लेना।

यह शोध पत्र एक बिल्कुल नए, अत्यंत विस्तृत पाठ्यपुस्तक BD-SAT को पेश करता है, जिसे विशेष रूप से बांग्लादेश के ढाका डिवीजन के लिए डिज़ाइन किया गया है। लेखकों ने, जो इंडिपेंडेंट यूनिवर्सिटी बांग्लादेश की एक टीम है, महसूस किया कि मौजूदा मानचित्र बहुत धुंधले या बहुत सरल थे ताकि वे एक रोबोट को एक विकासशील शहर की अव्यवस्थपूर्ण, भीड़भाड़ वाली और सुंदर वास्तविकता को देखने के लिए सिखा सकें। उन्होंने महीनों तक एक "ग्राउंड ट्रुथ" (ground truth) मानचित्र बनाने में बिताया—जो एक सटीक उत्तर कुंजी की तरह है—Bing से उच्च-रिज़ॉल्यूशन वाली उपग्रह छवियों को देखकर, जो एक विशाल, ज़ूम-इन की गई हवाई तस्वीर की तरह काम करती हैं। फिर उन्होंने इस सटीक मानचित्र का उपयोग DeepLabV3+ नामक एक शक्तिशाली AI मॉडल को प्रशिक्षित करने के लिए किया ताकि यह देख सके कि क्या यह पाँच मुख्य चीजों को पहचानने में सक्षम है: जंगल, कृषि भूमि, निर्मित क्षेत्र (शहर और गाँव), पानी, और घास के मैदान।

शोधकर्ताओं ने केवल मानचित्र बनाने पर ही नहीं रोका; उन्होंने रोबled को कठिन प्रशिक्षण (school of hard knocks) से गुजारा। उन्होंने मॉडल का परीक्षण करने के लिए दो बहुत अलग प्रकार की "पाठ्यपुस्तकों" का उपयोग किया। पहले, उन्होंने Sentinel-2A का उपयोग किया, जो एक मुफ्त उपग्रह है जो हर कुछ दिनों में तस्वीरें लेता है लेकिन बहुत ऊंचाई से, जिससे छवियां थोड़ी धुंधली (लगभग 10 से 20 मीटर प्रति पिक्सेल) हो जाती हैं। यह एक बड़े क्लासरूम के पीछे से किताब पढ़ने जैसा है। दूसरा, उन्होंने Bing सैटेलाइट इमेजरी का उपयोग किया, जो अविश्वसनीय रूप से स्पष्ट (2.22 मीटर प्रति पिक्सेल) है, जैसे उसी किताब को एक चमकदार लैंप के ठीक नीचे पढ़ना। उन्होंने यह देखने के लिए भी विशेष "फिल्टर" (जैसे इन्फ्रारेड प्रकाश) मिलाए कि क्या इससे रोबोट बेहतर देख पाता है, जो बिल्कुल वैसा ही है जैसे नाइट-विज़न गॉगल्स हमें अंधेरे में देखने में मदद करते हैं।

परिणाम स्पष्ट और निर्णायक थे। जब रोबोट ने धुंधली Sentinel-2A छवियों का अध्ययन किया, तो उसने ठीक-ठाक काम किया, लेकिन वह अक्सर भ्रमित हो जाता था। उदाहरण के लिए, उसे एक हरे घास के मैदान और एक हरे खेत के बीच अंतर करने में कठिनाई हुई, या एक कीचड़ भरी नदी और पानी के एक हिस्से के बीच अंतर करने में संघर्ष करना पड़ा। उन्हें मिला सबसे अच्छा धुंधली-छवि संयोजन एक विशेष इन्फ्रारेड और शॉर्ट-वेव लाइट (जिसे SWI कहा जाता है) का मिश्रण था, जिसने वनस्पति और पानी को मानक रंगों की तुलना में बेहतर देखने में मदद की। हालाँकि, जब रोबोट को स्पष्ट, उच्च-रिज़ॉल्यूशन वाली Bing छवियों का अध्ययन करने की अनुमति दी गई, तो वह एक स्टार स्टूडेंट बन गया। उसने जंगलों, शहरों और पानी को बहुत अधिक सटीकता के साथ पहचाना। उच्च-रिज़ॉल्यूशन वाली छवियोंों ने मॉडल को उन सूक्ष्म विवरणों को देखने की अनुमति दी—जैसे कि छत की बनावट या नदी का किनारा—जो धुंधली छवियों में पूरी तरह से लुप्त हो गए थे।

यह शोध पत्र स्पष्ट रूप से इस विचार का खंडन करता है कि हम बस अमीर देशों के डेटा का उपयोग रोबोट को गरीब देशों के लिए प्रशिक्षित करने हेतु कर सकते हैं। लेखक दिखाते हैं कि विकासशील देशों की "अव्यवस्थित" वास्तविकता—जहाँ घर, खेत और नदियाँ अक्सर बिना किसी स्पष्ट रेखा के आपस में मिली हुई होती हैं—एक अलग, अधिक विस्तृत दृष्टिकोण की मांग करती है। वे इस विचार को भी खारिज करते हैं कि मानक, कम-रिज़ॉल्यूशन वाला उपग्रह डेटा उच्च-परिशुद्धता वाले कार्यों के लिए पर्याप्त है। जबकि मुफ्त Sentinel-2 डेटा व्यापक रुझानों के लिए उपयोगी है, यह शोध पत्र सुझाव देता है कि विस्तृत कार्य के लिए, जैसे शहरी फैलाव या विशिष्ट फसल परिवर्तनों की निगरानी करना, आपको वास्तव में Bing या Google जैसी सेवाओं द्वारा प्रदान किए जाने वाले तीक्ष्ण, उच्च-रिज़ॉल्यूशन वाले दृश्यों की आवश्यकता होती है, भले ही वे उतनी बार अपडेट न किए जाते हों।

अंत में, लेखक एक स्मार्ट रणनीति का सुझाव देते हैं: AI को प्रशिक्षित करने के लिए सटीक "उत्तर कुंजी" (ग्राउंड ट्रुथ) बनाने के लिए उच्च-रिज़ॉल्यूशन वाली Bing छवियों का उपयोग करें, और फिर उस प्रशिक्षित मस्तिष्क का उपयोग मुफ्त, बार-बार उपलब्ध होने वाली Sentinel-2 छवियों की व्याख्या करने के लिए करें। यह एक छात्र को चेहरा पहचानने के लिए एक हाई-डेफिनिशन फोटो से सिखाने और फिर उस छात्र को एक ग्रेनी (grainy) सुरक्षा कैमरे का उपयोग करके भीड़ में लोगों को पहचानने देने जैसा है। BD-SAT डेटासेट अब किसी के भी उपयोग के लिए उपलब्ध है, जो बांग्लादेश और अन्य विकासशील क्षेत्रों के बदलते परिदृश्य को समझने का एक नया, विश्वसनीय तरीका प्रदान करता है, और यह सिद्ध करता है कि सही डेटा के साथ, सबसे जटिल, भीड़भाड़ वाले शहरों को भी स्पष्टता और देखभाल के साथ मैप किया जा सकता है।