Non-frontal face recognition using GANs and memristor-based classifiers
यह शोध पत्र एज डिवाइसेस (edge devices) के लिए एक संसाधन-कुशल फेस रिकग्निशन फ्रेमवर्क का प्रस्ताव करता है जो गैर-अग्रिम (non-frontal) चेहरों पर 96% तक सटीकता प्राप्त करने के लिए लाइटवेट GAN-आधारित पोज़ फ्रंटलइज़ेशन को मेमरिस्टर-आधारित न्यूरोमॉर्फिक क्लासिफायर के साथ जोड़ता है, जिससे पारंपरिक डीप लर्निंग की कम्प्यूटेशनल सीमाओं को दूर किया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक भीड़भाड़ वाले पार्क में अपने किसी दोस्त को पहचानने की कोशिश कर रहे हैं। यदि वह आपके ठीक सामने खड़ा है और मुस्कुरा रहा है, तो यह आसान है। लेकिन क्या होगा यदि वह दूर खड़ा है, अपने फोन की ओर देख रहा है, या अपना सिर एक तरफ घुमाए हुए है? आपका मस्तिष्क उस तिरछी, धुंधली झलक को उस स्पष्ट मानसिक चित्र से मिलाने में संघर्ष करता है जो आपके पास उनका है।
यह शोध पत्र ठीक इसी समस्या पर काम करता है, लेकिन कंप्यूटरों के लिए। यह "स्मार्ट आँखें" बनाने का एक नया तरीका प्रस्तावित करता है छोटे, बैटरी से चलने वाले उपकरणों (जैसे ड्रोन) के लिए, जो चेहरों को तब भी पहचान सकें जब व्यक्ति सीधे कैमरे की ओर न देख रहा हो।
उन्होंने इसे कैसे हल किया, इसे तीन सरल भागों में विभाजित किया गया है:
1. समस्या: "साइड-व्यू" का धुंधलापन
शोधकर्ताओं ने पहले यह परीक्षण किया कि एक मानक कंप्यूटर सिस्टम अलग-अलग कोणों से चेहरों को कितनी अच्छी तरह पहचान सकता है। उन्होंने 50 लोगों के एक डेटासेट का उपयोग किया।
- परिणाम: जब व्यक्ति कैमरे की ओर देख रहा था (सामने से), तो सिस्टम ठीक था। लेकिन जैसे ही व्यक्ति ने अपना सिर घुमाया, सिस्टम भ्रमित हो गया।
- उपमा: इसे ऐसे समझें जैसे आप कार के साइड प्रोफाइल को देखकर उसे पहचानने की कोशिश कर रहे हों। यदि आप केवल जानते हैं कि कार सामने से कैसी दिखती है, तो उसे बगल से देखना उसे एक पूरी तरह से अलग वाहन बना देता है।
- आंकड़े: थोड़े से घुमाव (15 डिग्री) पर, सिस्टम लगभग 35% सटीक था। लेकिन एक तीखे 90-डिग्री मोड़ पर (पूर्ण प्रोफाइल दृश्य), सटीकता गिरकर 8% से भी कम रह गई। सिस्टम ने लगभग हार मान ली।
2. समाधान भाग A: "डिजिटल दर्पण" (GAN)
"साइड-व्यू" की समस्या को ठीक करने के लिए, टीम ने एक विशेष सॉफ्टवेयर टूल जोड़ा जिसे जेनरेटिव एडवरसैरियल नेटवर्क (GAN) कहा जाता है।
- यह कैसे काम करता है: कल्पना कीजिए कि एक बहुत ही प्रतिभाशाली कलाकार (जेनरेटर) है जिसे एक सख्त कला समीक्षक (डिस्क्रिमिनेटर) द्वारा चुनौती दी जाती है। कलाकार को एक व्यक्ति की फोटो दिखाई जाती है जो तिरछा देख रहा है। कलाकार यह बनाने की कोशिश करता है कि वह व्यक्ति सामने देखते हुए कैसा दिखेगा। समीक्षक उस ड्राइंग की जांच सामने देख रहे लोगों की वास्तविक तस्वीरों के साथ करता है ताकि यह देखा जा सके कि वह नकली तो नहीं लग रही।
- प्रक्रिया: वे इस खेल को हजारों बार खेलते हैं। अंततः, कलाकार इतना कुशल हो जाता है कि वह एक तिरछी फोटो ले सकता है और उस चेहरे का एक आदर्श, उच्च-गुणवत्ता वाला सामने वाला संस्करण "कल्पना" (hallucinate) कर सकता है।
- परिणाम: जब उन्होंने इन "पुनर्निर्मित" सामने वाले चेहरों को पहचान प्रणाली में वापस डाला, तो सटीकता 8% के मामूली स्तर से उछलकर शानदार 96% हो गई, यहाँ तक कि अत्यधिक कोणों के लिए भी। यह ऐसा है जैसे सिस्टम ने पहचानने की कोशिश करने से पहले तिरछे खड़े व्यक्ति को जादू से कैमरे की ओर घुमा दिया हो।
3. समाधान भाग B: "छोटा दिमाग" (मेमरिस्टर)
आमतौर पर, इन फैंसी "डिजिटल मिरर" कलाकारों और पहचान प्रणालियों को चलाने के लिए विशाल, भारी बिजली खपत करने वाले सुपरकंप्यूटरों की आवश्यकता होती है। आप एक छोटे ड्रोन पर सुपरकंप्यूटर नहीं लगा सकते।
- नवाचार: शोधकर्ताओं ने एक विशेष प्रकार के इलेक्ट्रॉनिक घटक का उपयोग किया जिसे मेमरिस्टर (memristor) कहा जाता है।
- उपमा: एक मानक कंप्यूटर प्रोसेसर को एक ऐसे लाइब्रेरियन के रूप में सोचें जिसे अलमारियों (मेमोरी) और डेस्क (प्रोसेसर) के बीच किताब खोजने के लिए बार-बार आना-जाना पड़ता है। इसमें समय और ऊर्जा लगती है। एक मेमरिस्टर एक ऐसे लाइब्रेरियन की तरह है जो स्वयं ही वह अलमारी है। मेमोरी और सोचने की प्रक्रिया एक ही स्थान पर होती है। यह एक "चिप पर मस्तिष्क" की तरह है जो जैविक न्यूरॉन्स के काम करने के तरीके की नकल करता है।
- लाभ: यह सिस्टम को बहुत कम बिजली पर चलाने की अनुमति देता है, जिससे यह ड्रोन जैसे मोबाइल उपकरणों के लिए एकदम सही बन जाता है जिन्हें वास्तविक दुनिया में बिना दीवार के प्लग के काम करने की आवश्यकता होती है।
4. बोनस: चलते-चलते नए दोस्तों को सीखना
वास्तविक जीवन एक बंद क्लासरूम नहीं है जहाँ आप केवल उन छात्रों को जानते हैं जिन्होंने पंजीकरण कराया है। वास्तविक दुनिया में, आप नए लोगों से मिलते हैं।
- विशेषता: सिस्टम में एक "लर्निंग मोड" शामिल है। यदि ड्रोन किसी ऐसे चेहरे को देखता है जिसे वह नहीं पहचानता, तो वह केवल यह कहकर नहीं छोड़ देता कि "मुझे नहीं पता" और भूल नहीं जाता। इसके बजाय, वह उस चेहरे को एक "रहस्यमय व्यक्ति" के रूप में सहेज लेता है।
- जादू: यदि ड्रोन उसी रहस्यमय व्यक्ति को बार-बार देखता है, तो सिस्टम धीरे-धीरे उनके लिए एक नया प्रोफाइल बनाता है, और अंततः उन्हें अपने ज्ञात लोगों की सूची में जोड़ देता है। यह एक सुरक्षा गार्ड की तरह है जो किसी संदिग्ध व्यक्ति को तीन बार देखने के बाद, बिना मुख्यालय जाए मैन्युअल अपडेट किए, उसे अपनी "वॉच लिस्ट" में जोड़ लेता है।
निष्कर्ष
टीम ने दो अलग-अलग डेटा सेट पर इसका परीक्षण किया:
- नियंत्रित लैब फोटोज़: उन्होंने 96.3% सटीकता प्राप्त की।
- वास्तविक ड्रोन फुटेज: उन्होंने इसका परीक्षण ड्रोन से लिए गए डेटासेट पर किया जो अलग-अलग ऊंचाई और दूरी पर उड़ रहे थे। भले ही ड्रोन फुटेज बहुत कठिन था (धुंधला, हिलता हुआ, अजीब कोण), सिस्टम ने उन प्रणालियों की तुलना में सटीकता में 82% तक सुधार किया जिनमें "डिजिटल मिरर" ट्रिक का उपयोग नहीं किया गया था।
संक्षेप में: उन्होंने एक हल्का, कम बिजली वाला चेहरा पहचान प्रणाली बनाई है जो तिरछे चेहरों को ठीक करने के लिए एक "डिजिटल कलाकार" का उपयोग करती है और उन्हें पहचानने के लिए एक "छोटे जैविक-शैली के मस्तिष्क" का उपयोग करती है, जिससे ड्रोन जैसे छोटे उपकरण वास्तविक दुनिया की जटिलताओं में सटीक रूप से पहचान कर सकें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।