⚡ electrical engineering

A Task-Driven Evaluation of UAV Detection and Tracking under Synthetic Fog

यह शोध पत्र एक कार्य-संचालित मूल्यांकन ढांचा प्रस्तुत करता है जो यह प्रदर्शित करता है कि जहाँ सिंथेटिक कोहरा UAV डिटेक्शन और ट्रैकिंग को गंभीर रूप से बाधित करता है, वहीं कोहरे-समावेशी प्रशिक्षण (fog-inclusive training) सबसे मजबूत प्रदर्शन लाभ प्रदान करता है, जबकि टेस्ट-टाइम इमेज रेस्टोरेशन मुख्य रूप से तब महत्वपूर्ण लाभ देता है जब डिटेक्टरों को केवल स्वच्छ डेटा पर प्रशिक्षित किया गया हो।

मूल लेखक: Amir Pouladi, Vesal Ahsani, Haijun Li, Homayoun Najjaran, Afzal Suleman

प्रकाशित 2026-07-08

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Amir Pouladi, Vesal Ahsani, Haijun Li, Homayoun Najjaran, Afzal Suleman

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 आसमान में बहुत ऊँचा उड़ रहे एक छोटे, दूर स्थित ड्रोन को खोजने की कोशिश कर रहे हैं। एक साफ दिन पर, यह एक साफ खिड़की पर धूल के कण को देखने जैसा है; आप इसे आसानी से देख सकते हैं। लेकिन अब, कल्पना कीजिए कि घना कोहरा छा गया है। खिड़की एक धुंधली, सफेद चादर बन गई है। ड्रोन गायब नहीं होता, लेकिन वह अपनी सीमाओं (edges) को खो देता है और बैकग्राउंड में घुलमिल जाता है, जिससे कंप्यूटर के लिए उसे ढूंढना लगभग असंभव हो जाता है।

यह शोध पत्र एक लैब प्रयोग की तरह है जहाँ शोधकर्ताओं ने कंप्यूटर विज़न के लिए एक "कोहरा मशीन" बनाई ताकि वे यह परीक्षण कर सकें कि मौसम खराब होने पर विभिन्न उपकरण इन ड्रोनों को खोजने में कितने सक्षम हैं। उन्होंने केवल यह नहीं देखा कि तस्वीर कितनी साफ दिख रही थी; उन्होंने एक अधिक व्यावहारिक प्रश्न पूछा: "क्या तस्वीर को साफ करने से वास्तव में कंप्यूटर को ड्रोन खोजने में मदद मिलती है?"

यहाँ बताया गया है कि उन्होंने यह कैसे किया और उन्हें क्या मिला, जिसे सरल उपमाओं (analogies) के माध्यम से समझाया गया है:

1. सेटअप: एक नकली कोहरा मशीन बनाना

असली कोहरे का अध्ययन करना कठिन है क्योंकि आप इसे पूरी तरह से नियंत्रित नहीं कर सकते, और परीक्षण के लिए ड्रोनों को कोहरे में उड़ाना खतरनाक है। इसलिए, शोधकर्ताओं ने एक डिजिटल कोहरा मशीन बनाई।

नुस्खा (Recipe): उन्होंने ड्रोनों की स्पष्ट तस्वीरें लीं और कोहरा लगाने के लिए एक "डेप्थ मैप" (एक डिजिटल अनुमान कि चीजें कितनी दूर हैं) का उपयोग करके एक गणितीय सूत्र लागू किया। यह सूत्र ऐसा कोहरा जोड़ता है जो वस्तु जितनी दूर होती है, उतना ही घना होता जाता है, ठीक वास्तविक कोहरे की तरह।
परिणाम: उन्होंने "हल्की धुंध" से लेकर "अंधा कर देने वाले घने कोहरे" तक की छवियों का एक संग्रह तैयार किया।

2. वे तीन उपकरण जिनका उन्होंने परीक्षण किया

शोधकर्ताओं ने कंप्यूटर को ड्रोन देखने में मदद करने के लिए तीन रणनीतियों का परीक्षण किया:

रणनीति A: "साफ कमरे" वाला छात्र। उन्होंने एक कंप्यूटर डिटेक्टर को केवल स्पष्ट, धूप वाले फोटो पर प्रशिक्षित किया। फिर, उन्होंने उसे धुंधले फोटो दिखाए ताकि यह देखा जा सके कि वह कितना घबराता है।
रणनीति B: "हर मौसम" वाला छात्र। उन्होंने कंप्यूटर को स्पष्ट फोटो और धुंधले फोटो के मिश्रण पर प्रशिक्षित किया। इस छात्र ने पहले दिन से ही सीखा कि कोहरा कैसा दिखता है।
रणनीति C: "डी-हेज़िंग चश्मा" (De-hazing Glasses)। उन्होंने धुंधले फोटो लिए और उन्हें एक विशेष सॉफ्टवेयर (जिसे "डी-हेज़र" कहा जाता है) के माध्यम से चलाया ताकि कंप्यूटर द्वारा ड्रोन को खोजने से पहले इमेज से कोहरा हटाने की कोशिश की जा सके।

3. बड़ी खोज: देखना बनाम ढूंढना

सबसे महत्वपूर्ण खोज थोड़ी विरोधाभासी है। आमतौर पर, हम सोचते हैं: "यदि मैं तस्वीर को साफ कर दूँ, तो कंप्यूटर बेहतर काम करेगा।"

शोध पत्र कहता है: जरूरी नहीं कि ऐसा हो।

"साफ कमरे" वाला छात्र: जब इस छात्र का सामना कोहरे से हुआ, तो वह बुरी तरह विफल रहा। उसने ड्रोन को बार-बार मिस कर दिया। हालाँकि, जब उसने "डी-हेज़िंग चश्मा" (रणनीति C) पहना, तो वह बहुत बेहतर हो गया। चश्मे ने उसे ड्रोन को फिर से देखने में मदद की।
"हर मौसम" वाला छात्र: यह छात्र पहले से ही मजबूत था। उसे चश्मे की उतनी आवश्यकता नहीं थी। वास्तव में, कभी-कभी चश्मे ने चीजों को थोड़ा खराब कर दिया या कोई मदद नहीं की। क्यों? क्योंकि "डी-हेज़िंग" सॉफ्टवेयर कोहरा हटाने की कोशिश में कभी-कभी ड्रोन के किनारों (edges) को धुंधला कर देता है, जिससे वह डिटेक्टर भ्रमित हो जाता है जो पहले से ही धुंधली आकृतियों का अभ्यस्त था।

उपमा (Analogy): कल्पना कीजिए कि आप भीड़ में अपने दोस्त को खोजने की कोशिश कर रहे हैं।

यदि आप आंखों पर पट्टी बांधे हुए हैं (केवल साफ दिनों के लिए प्रशिक्षित), तो चश्मा (डी-हेज़िंग) पहनने से आपको उन्हें देखने में मदद मिलती है।
लेकिन यदि आप पहले से ही एक भीड़भाड़ वाले, शोर वाले कमरे में खोजने के आदी हैं (कोहरे के लिए प्रशिक्षित), तो वही चश्मा पहनने से आपका दृश्य विकृत हो सकता है और आपके दोस्त को पहचानना कठिन हो सकता है।

4. ट्रैकिंग की समस्या: सुराग खो देना

शोधकर्ताओं ने "ट्रैकिंग" का भी परीक्षण किया—यानी ड्रोन के चलते रहने पर उस पर नज़र रखना।

श्रृंखला अभिक्रिया (Chain Reaction): ट्रैकिंग एक रिले रेस की तरह है। "डिटेक्टर" वह धावक है जो बैटन (ड्रोन) को पहचानता है। "ट्रैकर" वह व्यक्ति है जो उसके साथ दौड़ता रहता है।
परिणाम: यदि कोहरा इतना घना है कि डिटेक्टर ड्रोन को मिस कर देता है (बैटन गिरा देता है), तो ट्रैकर के पास पकड़ने के लिए कुछ नहीं बचता। ट्रैकर कितना भी कुशल क्यों न हो, वह किसी भूत का पीछा नहीं कर सकता।
सबक: सफल ट्रैकिंग के लिए सबसे बड़ा कारक ट्रैकर का कौशल नहीं था; बल्कि यह था कि क्या डिटेक्टर को कोहरे को संभालने के लिए प्रशिक्षित किया गया था।

5. मुख्य निष्कर्ष (The Bottom Line)

यह शोध पत्र उन लोगों के लिए कुछ मुख्य बातें बताता है जो खराब मौसम में ड्रोन खोजने वाले सिस्टम बना रहे हैं:

प्रशिक्षण ही सर्वोपरि है (Training is King): कोहरे को संभालने का सबसे अच्छा तरीका यह है कि आप अपने कंप्यूटर को शुरुआत से ही धुंधली छवियों पर प्रशिक्षित करें। यह बारिश में गाड़ी चलाना सिखाने जैसा है, बजाय इसके कि उन्हें केवल धूप वाले दिन सिखाया जाए और बाद में उम्मीद की जाए कि वे खुद समझ जाएंगे।
सफाई कोई जादुई छड़ी नहीं है: केवल इसलिए कि एक तस्वीर मानवीय आंखों को अधिक स्पष्ट दिखती है, इसका मतलब यह नहीं है कि कंप्यूटर उसे बेहतर तरीके से ढूंढ पाएगा। कभी-कभी, इमेज को साफ करने की प्रक्रिया नए "आर्टिफ़ेक्ट्स" (खामियां/ग्लिच) पैदा करती है जो कंप्यूटर को भ्रमित कर देती हैं।
मिस डिटेक्शन ही दुश्मन है: कोहरा आमतौर पर कंप्यूटर को ऐसी चीजें देखने के लिए धोखा नहीं देता जो वहां नहीं हैं (गलत अलार्म); बल्कि यह कंप्यूटर को उन चीजों को मिस करने पर मजबूर करता है जो वास्तव में वहां मौजूद हैं। यही मुख्य कारण है कि ट्रैकिंग विफल हो जाती है।

संक्षेप में, शोध पत्र तर्क देता है कि बाद में तस्वीर को "ठीक" करने के बजाय, हमें अपने कंप्यूटर को शुरुआत से ही कोहरे में सहज होना सिखाना चाहिए।

तकनीकी सारांश: कृत्रिम कोहरे के तहत UAV डिटेक्शन और ट्रैकिंग का एक कार्य-संचालित मूल्यांकन

समस्या विवरण

खुले हवाई क्षेत्र में छोटे अनमैन्ड एरियल व्हीकल (UAV) का विश्वसनीय पता लगाना (detection) और ट्रैकिंग करना, स्थितिजन्य जागरूकता और 'सेंस-एंड-अवॉइड' प्रणालियों के लिए महत्वपूर्ण है। हालांकि, कोहरा आकाश-प्रधान, लंबी दूरी की इमेजरी में प्रदर्शन को गंभीर रूप से बाधित करता है, जिससे लक्ष्य-पृष्ठभूमि (target-background) के बीच कंट्रास्ट कम हो जाता है और उच्च-आवृत्ति वाले विवरण दब जाते हैं जो छोटे, दूर स्थित वस्तुओं को पहचानने के लिए आवश्यक होते हैं। जबकि सिंगल-इमेज डिहेज़िंग (dehazing) में महत्वपूर्ण प्रगति हुई है, मौजूदा बेंचमार्क अक्सर यह प्रदर्शित करने में विफल रहते हैं कि इमेज-लेवल रेस्टोरेशन मेट्रिक्स (जैसे PSNR, SSIM) में सुधार, डाउनस्ट्रीम परसेप्शन कार्यों में आनुपातिक लाभ में कैसे परिवर्तित होता है। इसके अलावा, नियंत्रित प्रोटोकॉल के भीतर डेप्थ-अवेयर फॉग सिंथेसिस (depth-aware fog synthesis), इमेज रेस्टोरेशन और UAV डिटेक्शन/ट्रैकिंग को जोड़ने वाले व्यवस्थित, कार्य-स्तरीय अध्ययनों की कमी है, विशेष रूप से उन परिदृश्यों के लिए जहाँ कोहरे के प्रभाव गहराई-संचालित (depth-driven) होते हैं।

कार्यप्रणाली (Methodology)

लेखक एक एकीकृत, कार्य-संचालित मूल्यांकन पाइपलाइन का प्रस्ताव करते हैं जिसमें तीन चरण शामिल हैं: प्रशिक्षण (training), डिटेक्शन इन्फरेंस (detection inference), और ट्रैकिंग इन्फरेंस (tracking inference)।

1. कृत्रिम कोहरा निर्माण (Synthetic Fog Generation)

एनोटेटेड कोहरे वाले UAV डेटा की कमी को दूर करने के लिए, अध्ययन वास्तविक स्पष्ट-मौसम वाली छवियों से कृत्रिम कोहरा उत्पन्न करने हेतु एक डेप्थ-अवेयर एटमॉस्फेरिक स्कैटरिंग मॉडल (ASM) का उपयोग करता है।

डेप्थ एस्टीमेशन: निरंतर सापेक्ष डेप्थ प्रतिनिधित्व प्रदान करने के लिए MiDaS का उपयोग करके मोनोक्युलर डेप्थ का अनुमान लगाया जाता है।
नॉर्मलाइजेशन: सुसंगत स्केलिंग सुनिश्चित करने के लिए रॉ डेप्थ मैप्स को डेटासेट-विशिष्ट पर्सेंटाइल बाउंड्स का उपयोग करके नॉर्मलाइज किया जाता है और फिर उन्हें उल्टा (invert) कर दिया जाता है ताकि बड़े मान दूर के बिंदुओं को दर्शाएं।
फॉग सिंथेसिस: कोहरे वाली छवि $I(x)$ को समीकरण $I(x) = J(x)t(x) + A(1 - t(x))$ का उपयोग करके संश्लेषित किया जाता है, जहाँ $J(x)$ स्वच्छ रेडिएंस है, $A$ ग्लोबल एटमॉस्फेरिक लाइट है, और $t(x) = \exp(-\beta d(x))$ ट्रांसमिशन मैप है। पैरामीटर $\beta$ को कोहरे की गंभीरता को नियंत्रित करने के लिए उपयोग किया जाता है, जिसे हल्के से गंभीर क्षरण को सिम्युलेट करने के लिए पांच स्तरों ($0.4, 0.8, 1.6, 2.4, 3.6$) में बदला गया है।

2. इमेज रेस्टोरेशन मूल्यांकन

डाउनस्ट्रीम कार्यों के लिए सर्वश्रेष्ठ मॉडल का चयन करने के लिए MMAUD डेटासेट पर तीन परिवारों के प्रतिनिधि रेस्टोरेशन विधियों का मूल्यांकन किया गया:

क्लासिकल: डार्क चैनल प्रायर (DCP) और कलर एटेन्यूएशन प्रायर (CAP)।
CNN-आधारित: FFA-Net।
ट्रांसफॉर्मर-आधारित: DehazeFormer।
डाउनस्ट्रीम कार्यों के लिए बेहतर मात्रात्मक (PSNR, SSIM) और गुणात्मक प्रदर्शन के आधार पर DehazeFormer को चुना गया।

3. डिटेक्शन और ट्रेनिंग रिजीम्स (Detection and Training Regimes)

प्रयोगों में CfAR डेटासेट पर प्रशिक्षित YOLO11 परिवार (n, s, m) के डिटेक्टरों का उपयोग किया गया। दो प्राथमिक प्रशिक्षण रणनीतियों की तुलना की गई:

क्लीन-ओनली ट्रेनिंग (Clean-Only Training): केवल स्पष्ट छवियों पर प्रशिक्षित डिटेक्टर।
फॉग-इंक्लूसिव ट्रेनिंग (Fog-Inclusive Training): विभिन्न अनुपातों (30%, 50%, 70%, 100% कोहरा) पर स्पष्ट और कोहरे से प्रभावित छवियों के मिश्रण पर प्रशिक्षित डिटेक्टर।
डिटेक्टरों का मूल्यांकन स्पष्ट, कोहरे वाले और रिस्टोर किए गए टेस्ट सेट्स पर किया गया।

4. ट्रैकिंग-बाय-डिटेक्शन (Tracking-by-Detection)

ट्रैकिंग प्रदर्शन का मूल्यांकन DUT एंटी-UAV डेटासेट पर ByteTrack और BoT-SORT का उपयोग करके किया गया। अध्ययन ने स्पष्ट, कोहरे वाले और रिस्टोर किए गए वीडियो सीक्वेंस पर ट्रैकिंग का मूल्यांकन किया, जिसमें मल्टीपल ऑब्जेक्ट ट्रैकिंग एक्यूरेसी (MOTA) और आइडेंटिटी F1 स्कोर (IDF1) के माध्यम से प्रदर्शन को मापा गया।

मुख्य योगदान

कार्य-संचालित ढांचा (Task-Driven Framework): एक एकीकृत पाइपलाइन जो डेप्थ-अवेयर फॉग सिंथेसिस, इमेज रेस्टोरेशन, ऑब्जेक्ट डिटेक्शन और ट्रैकिंग को जोड़ती है, जो आइसोलेटेड इमेज रेस्टोरेशन क्वालिटी के बजाय डाउनस्ट्रीम परसेप्शन प्रदर्शन को प्राथमिकता देती है।
डेप्थ-अवेयर फॉग सिंथेसिस: मोनोक्युलर डेप्थ एस्टीमेशन और ASM का उपयोग करके वास्तविक UAV इमेजरी के नियंत्रित कोहरे वाले वेरिएंट बनाने के लिए एक पाइपलाइन, जिसके साथ जनरेट किए गए डेटासेट्स सार्वजनिक रूप से उपलब्ध कराए गए हैं।
दस्तावेजों में कोहरे के प्रभाव और मौसम की गिरावट कैसे डिटेक्शन मजबूती और टेम्पोरल ट्रैकिंग स्थिरता को प्रभावित करती है, इसका विश्लेषण करने के लिए एक कठोर प्रायोगिक अध्ययन किया गया है, विशेष रूप से टेस्ट-टाइम रेस्टोरेशन बनाम फॉग-इंक्लूसिव ट्रेनिंग की तुलना की गई है।

परिणाम

कोहरे का प्रभाव: कोहरा डिटेक्शन और ट्रैकिंग दोनों को काफी हद तक बाधित करता है, जो मुख्य रूप से फॉल्स पॉजिटिव के बजाय मिस डिटेक्शन (फॉल्स नेगेटिव) को बढ़ाकर होता है। जैसे-जैसे कोहरे की गंभीरता बढ़ती है, रिकॉल (Recall) तेजी से गिरता है, जिससे mAP और ट्रैकिंग मेट्रिक्स (MOTA, IDF1) में महत्वपूर्ण गिरावट आती है।
रेस्टोरेशन बनाम ट्रेनिंग:
- क्लीन-ट्रेन्ड डिटेक्टर: टेस्ट-टाइम रेस्टोरेशन निरंतर सुधार प्रदान करता है, जो कोहरे के कारण खोए हुए प्रदर्शन को आंशिक रूप से पुनः प्राप्त करता है। हालांकि, रिस्टोर किया गया प्रदर्शन शायद ही कभी क्लीन बेसलाइन तक पहुँच पाता है, जो यह दर्शाता है कि रेस्टोरेशन डोमेन गैप को कम करता है लेकिन समाप्त नहीं करता है।
- फॉग-इंक्लूसिव ट्रेनिंग: कोहरे वाले डेटा के साथ प्रशिक्षण सबसे सुसंगत सुधार प्रदान करता है। जैसे-जैसे प्रशिक्षण में कोहरे का अनुपात बढ़ता है, कोहरे वाले और रिस्टोर किए गए इनपुट के बीच का प्रदर्शन अंतर काफी कम हो जाता है। कुछ मामलों में, फॉग-इंक्लूसिव ट्रेनिंग रेस्टोरेशन को अनावश्यक या यहाँ तक कि थोड़ा कम प्रभावी बना देती है, जो यह सुझाव देता है कि सीधे विकृत डेटा से सीखना पोस्ट-हॉक रेस्टोरेशन पर निर्भर रहने से बेहतर है।
ट्रैकिंग प्रदर्शन: ट्रैकिंग की मजबूती मुख्य रूप से अंतर्निहित डिटेक्टर की मजबूती द्वारा नियंत्रित होती है। जब डिटेक्टर मिस डिटेक्शन के कारण विफल हो जाते हैं, तो ट्रैकर लक्ष्य को पुनः प्राप्त नहीं कर सकते। फॉग-इंक्लूसिव डिटेक्टर ट्रेनिंग सीधे मजबूत ट्रैकिंग प्रदर्शन में स्थानांतरित होती है, जबकि ByteTrack और BoT-SORT के बीच का चुनाव द्वितीयक और सीक्वेंस-डिपेंडेंट प्रभाव डालता है।
स्थिरता: फॉग-इंक्लूसिव ट्रेनिंग कोहरे की गंभीरता के बीच mAP के कोएफिशिएंट ऑफ वेरिएशन (CV) को काफी कम कर देती है, जो क्लीन-ओनली ट्रेनिंग की तुलना में बदलती दृश्यता स्थितियों के तहत अधिक स्थिर प्रदर्शन को इंगित करती है।

महत्व और दावे

यह पेपर दावा करता है कि इमेज-लेवल रेस्टोरेशन की गुणवत्ता में सुधार आवश्यक रूप से डाउनस्ट्रीम परसेप्शन कार्यों में आनुपातिक लाभ में परिवर्तित नहीं होता है। अध्ययन प्रदर्शित करता है कि जबकि केवल क्लीन डेटा पर प्रशिक्षित डिटेक्टरों के लिए रेस्टोरेशन फायदेमंद है, फॉग-इंक्लूसिव ट्रेनिंग प्रतिकूल मौसम में मजबूती प्राप्त करने का अधिक विश्वसनीय मार्ग है।

लेखक निष्कर्ष निकालते हैं कि व्यावहारिक तैनाती के लिए, एक सिस्टम को प्रतिकूल डेटा पर डिटेक्टरों को प्रशिक्षित करने को प्राथमिकता देनी चाहिए ताकि रेस्टोरेशन पर निर्भरता कम हो सके। रेस्टोरेशन अभी भी क्लीन-ट्रेन्ड मॉडल्स के लिए एक उपयोगी टेस्ट-टाइम प्रीप्रोसेसिंग स्टेप या उन मानव-इन-द-लूप परिदृश्यों में काम आ सकता है जहाँ विजुअल क्लैरिटी ऑपरेटर की जागरूकता में मदद करती है, लेकिन इसे एक सार्वभौमिक समाधान के रूप में नहीं देखा जाना चाहिए। निष्कर्ष इस बात पर जोर देते हैं कि मजबूती का मूल्यांकन आइसोलेशन के बजाय डिटेक्शन और ट्रैकिंग मेट्रिक्स के संयुक्त रूप से किया जाना चाहिए। अध्ययन स्वीकार करता है कि इसकी सीमाएं नियंत्रित सिंथेटिक फॉग मूल्यांकन तक सीमित हैं और भविष्य के कार्य के रूप में वास्तविक प्रतिकूल-मौसम डेटा पर सत्यापन और मल्टीमॉडल परसेप्शन की खोज की पहचान करता है।