Human-in-the-Loop Signature Bootstrapping for UAV Hyperspectral PFM-1 Mine Detection

कल्पना कीजिए कि आप एक जासूस हैं जो लाखों अन्य वस्तुओं से भरी एक विशाल, अस्त-व्यस्त अटारी में छिपे हुए एक विशिष्ट खिलौने को खोजने की कोशिश कर रहे हैं। आपके पास एक विशेष चश्मा है जो हर वस्तु से टकराने वाली प्रकाश की अनूठी "फिंगरप्रिंट" (पहचान) को देख सकता है। यह हाइपरस्पेक्ट्रल इमेजिंग (HSI) की दुनिया है। केवल लाल या नीले रंगों को देखने के बजाय, ये कैमरे प्रकाश के सैकड़ों छोटे टुकड़ों को देखते हैं, जिससे प्रत्येक पिक्सेल के लिए एक विस्तृत रासायनिक हस्ताक्षर (सिग्नेचर) बनता है। यह तकनीक उन चीजों को खोजने के लिए एक सुपरहीरो है जो अपने परिवेश से अलग दिखती हैं, जैसे कि खेत में छिपा हुआ एक विशिष्ट प्रकार का लैंडमाइन।

लेकिन पेचीदा हिस्सा यह है कि केवल चश्मा होना ही काफी नहीं है। आपको यह भी जानना होगा कि उस खिलौने की फिंगरप्रिंट अभी ठीक कैसी दिखती है। एक खिलौना सुबह की धूप में दोपहर की तुलना में अलग दिख सकता है, या यदि वह थोड़ी धूल से ढका हो। वास्तविक दुनिया में, अक्सर आपके पास लक्ष्य की एक आदर्श तस्वीर नहीं होती जिससे आप काम शुरू करने से पहले मिलान कर सकें। आपके पास केवल एक "लाइब्रेरी" फोटो हो सकती है जो लैब में ली गई थी, जो अटारी की इस अव्यवस्थ से मेल नहीं खाती। यह शोध पत्र एक महत्वपूर्ण प्रश्न पूछता है: यदि आप एक थोड़ी गलत लाइब्रेरी फोटो से शुरुआत करते हैं, तो क्या एक मानव जासूस आपको चलते-चलते अपने चश्मे को ठीक करने में मदद कर सकता है, ताकि आप छिपे हुए खिलौनों को तेजी से खोज सकें और गलत चीजों की जांच करना बंद कर सकें?

मिशन: अदृश्य माइन को खोजना

यह शोध पत्र ड्रोन और लैंडमाइन्स के साथ खेले जाने वाले "वेयर्स वाल्डो?" (Where's Waldo?) के एक उच्च-जोखिम वाले खेल के बारे में है। शोधकर्ता PFM-1 माइन्स को खोजना चाहते थे, जो छोटे, प्लास्टिक के एंटी-पर्सनेल माइन्स हैं जो पहचान में आने में बहुत कठिन होते हैं क्योंकि वे मिट्टी के साथ घुलमिल जाते हैं। उन्होंने एक खेत के ऊपर कम ऊंचाई पर उड़ते हुए ड्रोन का उपयोग करके एक हाइपरस्पेक्ट्रल चित्र लिया। लक्ष्य यह देखना था कि चार अलग-अलग कंप्यूटर एल्गोरिदम तीन अलग-अलग प्रकार के "फिंगरप्रिंट" सुरागों का उपयोग करके इन माइन्स को कितनी अच्छी तरह से ढूंढ सकते हैं।

परीक्षण किए गए चार एल्गोरिदम SAM, MF, ACE, और CEM थे। इन्हें अलग-अलग तरीकों से फिंगरप्रिंट मिलाने वाले चार जासूसों के रूप में समझें।

• जासूस 1 (द लाइब्रेरी): उन्होंने एक लैब उपकरण (जिसे SVC स्पेक्ट्रोरेडियोमीटर कहा जाता है) से ली गई एक आदर्श फिंगरप्रिंट का उपयोग करने की कोशिश की। यह भीड़ में अपने दोस्त को उसकी बचपन की फोटो का उपयोग करके खोजने जैसा है।
• जासूस 2 (द परफेक्ट इनसाइडर): उन्होंने ड्रोन फोटो के वास्तविक माइन्स के केंद्र से ली गई फिंगरप्रिंट का उपयोग किया। यह अपने दोस्त की फोटो वहीं भीड़ में खड़े होने के दौरान लेने जैसा है। यह वह "गोल्ड स्टैंडर्ड" है जिसका उपयोग शोधकर्ताओं ने यह देखने के लिए किया कि अन्य विधियां कितनी बेहतर हो सकती हैं।
• जासूस 3 (द ह्यूमन-इन-द-लूप बूटस्ट्रैप): यह मुख्य प्रयोग था। उन्होंने अपूर्ण "लाइब्रेरी" फिंगरप्रिंट से शुरुआत की। कंप्यूटर एक स्थान की ओर इशारा करेगा और कहेगा, "क्या यह एक माइन है?" एक सिम्युलेटेड मानव 'ग्राउंड ट्रुथ' (वास्तविक उत्तर) की जांच करेगा और कहेगा, "हाँ!" या "नहीं!" यदि वह एक माइन थी, तो कंप्यूटर उस स्थान से एक नई, बेहतर फिंगरप्रिंट लेगा और अपनी लाइब्रेरी को अपडेट करेगा। फिर वह फिर से प्रयास करेगा। यह एक जासूस की तरह है जिसे हर गलत अनुमान के बाद एक संकेत मिलता है और वह अपनी खोज रणनीति को तुरंत बदल देता है।

परिणाम: माइन्स को सबसे तेजी से किसने खोजा?

शोधकर्ताओं ने केवल यह नहीं देखा कि कितने माइन्स मिले; उन्होंने यह भी देखा कि उन्हें खोजने में कितना काम लगा। वास्तविक जीवन की स्थिति में, एक इंसान को शारीरिक रूप से हर उस स्थान पर जाना पड़ता है जिसे कंप्यूटर चिह्नित करता है ताकि यह जांचा जा सके कि वह वास्तव में एक माइन है या सिर्फ एक पत्थर। यदि कंप्यूटर पहली माइन खोजने से पहले 1,000 पत्थरों को चिह्नित करता है, तो यह बहुत अधिक ऊर्जा की बर्बादी है।

यहाँ उनका निष्कर्ष है:

"परफेक्ट इनसाइडर" जासूस ने सब कुछ आसानी से खोज लिया, लेकिन यह धोखाधड़ी है क्योंकि उन्हें पहले से ही पता था कि माइन्स कहाँ हैं। असली परीक्षण ह्यूमन-इन-द-लूप बूटस्ट्रैप था।

• स्टार परफॉर्मर (ACE): एडेप्टिव कोहेरेंस एस्टिमेटर (ACE) एल्गोरिदम स्पष्ट विजेता था। इस सिम्युलेटेड खेल में, ACE ने केवल दो राउंड की जांच में सभी सात छिपे हुए माइन्स के स्थानों को खोज लिया। काम पूरा होने से पहले उसे केवल 9 संभावित स्थानों के निरीक्षण की आवश्यकता पड़ी। यह अविश्वसनीय रूप से कुशल था, इसने तेजी से सही फिंगरप्रिंट सीखा और शोर (noise) को नजरअंदाज कर दिया।
• मजबूत दावेदार (MF और CEM): मैच्ड फिल्टर (MF) और कंस्ट्रेंड एनर्जी मिनिमाइजेशन (CEM) एल्गोरिदम अच्छे थे लेकिन धीमे थे। उन्हें सभी माइन्स खोजने के लिए क्रमशः 38 और 22 निरीक्षणों की आवश्यकता थी। वे अच्छे थे, लेकिन उन्होंने इंसान को अधिक चलने पर मजबूर किया।
• संघर्ष करने वाले (SAM): स्पेक्ट्रल एंगल मैपर (SAM) एल्गोरिदम, दोनों (मानक और "सेंटर्ड" संस्करण), को काफी मुश्किल हुई। हालांकि उन्होंने शुरुआत में कुछ माइन्स खोज लिए, लेकिन वे गलत सूचनाओं (false alarms) के चक्र में फंस गए। आखिरी कुछ माइन्स को खोजने के लिए, इंसान को हजारों उम्मीदवारों (क्रमशः 4,558 और 2,897) का निरीक्षण करना पड़ता। शोध पत्र नोट करता है कि हालांकि ये एल्गोरिदम ग्राफ पर अच्छे दिख सकते हैं, लेकिन वे सही स्थानों को प्राथमिकता देने में बहुत खराब हैं।

मुख्य निष्कर्ष

शोध पत्र यह निष्कर्ष निकालता है कि लैंडमाइन्स खोजने जैसे खतरनाक कार्यों के लिए, केवल कंप्यूटर स्क्रीन पर एक उच्च "स्कोर" होना ही पर्याप्त नहीं है। जो मायने रखता है वह यह है कि आप नकली चीजों से विचलित हुए बिना वास्तविक लक्ष्यों को कितनी जल्दी खोजते हैं।

अध्ययन दिखाता है कि भले ही आप एक थोड़ी अपूर्ण फिंगरप्रिंट से शुरुआत करें, एक स्मार्ट एल्गोरिदम (जैसे ACE) और कुछ स्थानों की जांच करने वाले मानव के संयोजन से, आप लक्ष्यों को कुशलतापूर्वक खोजने के लिए अपने ज्ञान को जल्दी से "बूटस्ट्रप" या अपग्रेड कर सकते हैं। हालांकि, सभी एल्गोरिदम एक समान नहीं होते; कुछ इतने अधिक गलत सूचनाओं (false alarms) के प्रति संवेदनशील होते हैं कि वे एक मानव निरीक्षक को वास्तविक माइन खोजने से पहले ही हार मानने पर मजबूर कर देंगे। लेखक सुझाव देते हैं कि भविष्य के सिस्टम को केवल समग्र सटीकता नंबरों को देखने के बजाय, इन "टारगेट-डिस्कवरी कर्व्स" (लक्ष्य-खोज वक्रों) पर ध्यान केंद्रित करना चाहिए—यानी यह ट्रैक करना कि एक वास्तविक लक्ष्य मिलने से पहले कितने गलत अलार्म आते हैं।

संक्षेप में, यह शोध पत्र साबित करता है कि छिपे हुए माइन्स को खोजने की दौड़ में, वह एल्गोरिदम जो अपनी गलतियों से सबसे तेजी से सीखता है (ACE), वही है जो सबसे अधिक समय और प्रयास बचाता है, जिससे एक संभावित अंतहीन खोज एक त्वरित, प्रबंधनीय कार्य में बदल जाती है।