CDGP: Contrastive Dual Gaussian Processes for Weakly Supervised Anomaly Segmentation
यह शोधपत्र कॉन्ट्रास्टिव ड्यूल गॉसियन प्रोसेस (CDGP) का प्रस्ताव करता है, जो एक कमजोर रूप से पर्यवेक्षित (weakly supervised) ढांचा है जो पिक्सेल-स्तरीय एनोटेशन की आवश्यकता के बिना अत्याधुनिक विसंगति विभाजन (anomaly segmentation) प्राप्त करने के लिए ड्यूल गॉसियन प्रोसेस से प्राप्त एक पोस्टीरियर-डोमिनेंस सांख्यिकी को पदानुक्रमित पुनर्निर्माण अवशेषों (hierarchical reconstruction residuals) के साथ जोड़ता है।
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
आधुनिक विनिर्माण की हलचल भरी दुनिया में, मशीनों को उत्पादों में खामियों का निरीक्षण करने के नाजुक काम के लिए तेजी से नियुक्त किया जा रहा है। एक फैक्ट्री हर घंटे हजारों समान पुर्जे बना सकती है, और लक्ष्य यह है कि किसी भी दोषपूर्ण पुर्जे के ग्राहक तक पहुँचने से पहले उसे पकड़ लिया जाए। इसके लिए दो चीजों की आवश्यकता होती है: यह तय करना कि उत्पाद टूटा हुआ है या नहीं, और ठीक उसी स्थान का पता लगाना जहाँ वह टूटा है। दशकों से, कंप्यूटर को यह सिखाने का सबसे विश्वसनीय तरीका उन्हें हजारों आदर्श उदाहरण दिखाना और उन्हें यह सीखने देना रहा है कि "सामान्य" क्या दिखता है। जब कंप्यूटर कुछ ऐसा देखता है जो उस सामान्य पैटर्न से अलग होता है, तो वह उसे दोष के रूप में चिह्नित करता है। यह दृष्टिकोण अच्छी तरह काम करता है क्योंकि आदर्श वस्तुओं को खोजना आसान है, जबकि टूटी हुई वस्तुएं दुर्लभ और विविध होती हैं। हालाँकि, इस पद्धति की एक कमी है। यह अक्सर एक वास्तविक दरार और एक हानिरहित, असामान्य बनावट (texture) के बीच अंतर करने में संघर्ष करती है जो दिखने में थोड़ी अजीब हो सकती है। यह दोनों को ही "सामान्य नहीं" मान लेती है और दोनों के लिए अलार्म बजा देती है, जिससे भ्रम और समय की बर्बादी होती है।
शोधकर्ताओं ने लंबे समय से सोचा है कि क्या वे उन्हें टूटी हुई वस्तुओं के उदाहरण दिखाकर इसमें सुधार कर सकते हैं, भले ही उन्हें यह न पता हो कि दरारें ठीक कहाँ हैं। वास्तविक दुनिया में, फैक्ट्रियां अक्सर जानती हैं कि उत्पादों का कौन सा बैच गुणवत्ता जांच में विफल रहा, भले ही उन्होंने हर एक दोष का विस्तृत मानचित्र बनाने के लिए समय न निकाला हो। यही "कमजोर रूप से पर्यवेक्षित" (weakly supervised) लर्निंग की चुनौती है: मशीन को दोष के विशिष्ट स्थान को खोजने के लिए सिखाने हेतु विस्तृत मानचित्र के बजाय केवल "दोषपूर्ण" के व्यापक लेबल का उपयोग करना। एक नया अध्ययन 'कॉन्ट्रास्टिव डुअल गॉसियन प्रोसेस' (CDGP) नामक एक विधि पेश करता है, जो इस समस्या से निपटने के लिए कंप्यूटर के अच्छे और बुरे के बीच तुलना करने के तरीके को बदलकर इस समस्या का समाधान करता है। केवल यह पूछने के बजाय कि कोई छवि कितनी अजीब दिखती है, सिस्टम एक अधिक सीधा प्रश्न पूछता है: क्या छवि का यह हिस्सा एक दोष की तरह अधिक दिखता है या एक सामान्य उत्पाद की तरह अधिक दिखता है?
शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो छवि के प्रत्येक छोटे हिस्से (patch) को या तो सामान्य या दोषपूर्ण होने के उम्मीदवार के रूप में मानता है। कल्पना कीजिए कि छवि छोटी टाइलों के ग्रिड के समान है। प्रत्येक टाइल के लिए, सिस्टम एक साथ दो अलग-अलग मानसिक मॉडल चलाता है। एक मॉडल को यह अनुमान लगाने के लिए प्रशिक्षित किया जाता है कि एक सामान्य टाइल कैसी दिखनी चाहिए, जबकि दूसरे को यह अनुमान लगाने के लिए प्रशिक्षित किया जाता है कि एक दोषपूर्ण टाइल कैसी दिखनी चाहिए। ये मॉडल केवल अनुमान नहीं लगा रहे हैं; इन्हें एक सांख्यिकीय ढांचे पर बनाया गया है जो न केवल भविष्यवाणी करने की अनुमति देता है, बल्कि यह भी व्यक्त करता है कि वे उस भविष्यवाणी में कितने आश्वस्त हैं। सिस्टम फिर हर एक टाइल के लिए दोनों भविष्यवाणियों की तुलना करता है। यदि "दोषपूर्ण" मॉडल का सही होने की संभावना "सामान्य" मॉडल की तुलना में बहुत अधिक है, और सिस्टम उस अंतर में आश्वस्त है, तो उस टाइल को दोष के रूप में चिह्नित किया जाता है। यह दृष्टिकोण शक्तिशाली है क्योंकि यह कंप्यूटर को केवल किसी भी अजीब दिखने वाली चीज़ को खोजने के बजाय, दोष के साक्ष्य की सामान्यता के साक्ष्य के विरुद्ध तुलना करने के लिए मजबूर करता है।
इसे बिना विस्तृत मानचित्रों के काम करने योग्य बनाने के लिए, टीम को अपने प्रशिक्षण की शुरुआत करने के बारे में चतुर होना पड़ा। उन्होंने दोषपूर्ण छवियों को स्कैन करके उन टाइल्स को चुना जो सामान्य टाइल्स से सबसे अधिक भिन्न दिखते थे। ये दोषपूर्ण मॉडल से सीखने के लिए प्रारंभिक "उम्मीदवार" बन गए। यह एक शोर भरा शुरुआती बिंदु था, क्योंकि इनमें से कुछ उम्मीदवार केवल सामान्य भाग थे जो थोड़े अलग दिख रहे थे, लेकिन सिस्टम को इस प्रक्रिया के माध्यम से सीखने के लिए डिज़ाइन किया गया था। जैसे-जैसे प्रशिक्षण जारी रहा, सिस्टम ने पूरी छवि के लिए सरल "दोषपूर्ण" या "सामान्य" लेबल का उपयोग करके अपनी समझ को परिष्कृत किया। इसने दोषपूर्ण मॉडल के लिए भविष्यवाणियों को उन क्षेत्रों में बढ़ाने और बैकग्राउंड क्षेत्रों में सामान्य मॉडल को मजबूत रखने के बारे में सीखा। इस प्रक्रिया ने सिस्टम को बिना कभी भी दरार की किसी हाथ से खींची गई रूपरेखा को देखे, बैकग्राउंड शोर से वास्तविक दोषों को अलग करते हुए अपने फोकस को धीरे-धीरे तेज करने की अनुमति दी।
अध्ययन ने यह भी माना कि बारीक, बाल जैसी दरारों को खोजने के लिए केवल बड़े चित्र (big picture) को देखना पर्याप्त नहीं है। इसे हल करने के लिए, उन्होंने पुनर्रचना (reconstruction) पर ध्यान केंद्रित करने वाला एक दूसरा निरीक्षण स्तर जोड़ा। सिस्टम का यह हिस्सा एक थोड़ी क्षतिग्रस्त छवि से एक आदर्श संस्करण को फिर से बनाने की कोशिश करता है। यदि सिस्टम किसी विशिष्ट क्षेत्र को फिर से बनाने में संघर्ष करता है, तो यह सुझाव देता है कि वह क्षेत्र असामान्य था। इस सिस्टम को दो मॉडलों की सीधी तुलना के साथ पुनर्रचना जांच को जोड़कर, सिस्टम को साक्ष्य की दोहरी खुराक मिलती है। शोधकर्ताओं ने इस पद्धति का परीक्षण कई मानक औद्योगिक डेटासेट्स पर किया, जिसमें MVTec AD 2, KSDD2, और VisA शामिल हैं। परिणाम आश्चर्यजनक थे। MVTec AD 2 डेटासेट पर, जो इस प्रकार के कार्य के लिए एक कठोर बेंचमार्क है, नए तरीके ने परीक्षण किए गए अन्य सभी दृष्टिकोणों को पछाड़ दिया, और दोषों को खोजने की क्षमता मापने के लिए उपयोग किए जाने वाले प्रत्येक मीट्रिक में प्रथम स्थान प्राप्त किया। इसने अन्य दो डेटासेट्स पर भी शीर्ष स्तर पर या बहुत प्रतिस्पर्धी प्रदर्शन किया।
यह खोज विशेष रूप से महत्वपूर्ण है कि यह अनिश्चितता को कैसे संभालती है। सिस्टम केवल एक स्कोर आउटपुट नहीं करता है; यह एक मानकीकृत माप की गणना करता है कि सामान्यता की तुलना में दोष की संभावना कितनी अधिक है, और यह भी ध्यान रखता है कि मॉडल कितने आश्वस्त हैं। यह सुनिश्चित करता है कि सिस्टम यादृच्छिक शोर (random noise) से धोखा न खाए। शोधकर्ताओं ने यह भी दिखाया कि यह सुधार केवल एक अधिक जटिल सेटअप के कारण नहीं था, बल्कि विशेष रूप से दो मॉडलों को विरोधाभासी बनाने और केवल प्रशिक्षण डेटा का उपयोग करके उनके आत्मविश्वास को कैलिब्रेट करने के तरीके के कारण था। उन्होंने सत्यापित किया कि सिस्टम बिना किसी मानव द्वारा सीखने के चरण के दौरान दोषों के चारों ओर बॉक्स बनाने की आवश्यकता के बिना काम करता है, जो पूरी तरह से उन सरल "अच्छे" या "बुरे" लेबल पर निर्भर करता है जो फैक्ट्रियों के पास पहले से ही होते हैं।
अध्ययन निष्कर्ष निकालता है कि दोनों सामान्य और दोषपूर्ण संभावनाओं को स्पष्ट रूप से मॉडल करके और उनकी सीधे तुलना करके, मशीनें पहले की तुलना में बहुत अधिक सटीकता से खामियों को ढूंढना सीख सकती हैं। यह दृष्टिकोण सामान्य डेटा की प्रचुरता और विस्तृत दोष मानचित्रों की कमी के बीच के अंतर को पाटता है। यह सुझाव देता है कि औद्योगिक सेटिंग्स में, जहाँ विस्तृत एनोटेशन के लिए समय और संसाधन सीमित हैं, हम कंप्यूटर को केवल किसी भी उभरने वाली चीज़ को देखने के बजाय, दोष के साक्ष्य की सामान्यता के साक्ष्य के विरुद्ध तौलने के लिए शिक्षित करके उच्च-परिशुद्धता निरीक्षण प्राप्त कर सकते हैं। यह पद्धति वर्तमान प्रदर्शन बेंचमार्क में शीर्ष पर रहने वाला एक मजबूत समाधान है, जो विनिर्माण में स्वचालित गुणवत्ता नियंत्रण के लिए एक व्यावहारिक मार्ग प्रदान करती है।
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।