Real-Time Joint Classification and Heat-Source Localization on Native 8×8 Thermal Frames with a Lightweight Dual-Head CNN for Microcontroller Deployment
यह शोध पत्र JFilterLocalizationCNN प्रस्तुत करता है, जो एक हल्का डुअल-हेड कनवल्शनल न्यूरल नेटवर्क है जो नेटिव 8×8 इन्फ्रारेड फ्रेम पर थर्मल दृश्यों के संयुक्त वर्गीकरण और हीट-सोर्स लोकलाइजेशन को वास्तविक समय में सक्षम बनाता है, जो उपयोगकर्ता की गोपनीयता बनाए रखते हुए संसाधन-बाधित माइक्रोकंट्रोलर्स पर उच्च सटीकता और कुशल परिनियोजन प्राप्त करता है।
मूल पेपर CC BY 4.0 (https://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 एक ऐसी दुनिया की जहाँ हम अपने घरों, अस्पतालों और कार्यालयों की निगरानी बिना किसी चेहरे या पहचान योग्य शरीर को कैप्चर किए कर सकते हैं। यह एक विशिष्ट प्रकार की सेंसिंग का वादा है जो प्रकाश के बजाय गर्मी (ताप) पर निर्भर करती है। जबकि मानक कैमरे विस्तृत चित्र रिकॉर्ड करते हैं जिससे कमरे में कौन है इसकी पहचान की जा सकती है, थर्मल सेंसर केवल तापमान के अंतर को देखते हैं। इस तकनीक का सबसे बुनियादी संस्करण साठ-चार सेंसरों के एक छोटे ग्रिड का उपयोग करता है, जो आठ-बाय-आठ के वर्ग में व्यवस्थित होते हैं। मानवीय दृष्टि के लिए, ऐसे ग्रिड से प्राप्त डेटा गर्मी के एक धुंधले, कम-रिज़ॉल्यूशन वाले धब्बे जैसा दिखता है। यह किसी व्यक्ति की विशेषताओं को दिखाने के लिए बहुत अधिक मोटा है, फिर भी इसमें यह बताने के लिए पर्याप्त जानकारी है कि कमरा खाली है, क्या कोई वहां बैठा है, या क्या आग जैसी कोई खतरनाक ऊष्मा का स्रोत शुरू हो गया है। वैज्ञानिकों के लिए चुनौती यह रही है कि वे इस सूक्ष्म, धुंधले डेटा को वास्तविक समय में उपयोगी कैसे बनाएं, विशेष रूप से छोटे, सस्ते कंप्यूटरों पर जिन्हें छत या दीवार में छिपाया जा सके।
शोधकर्ताओं की एक टीम ने अब इस समस्या को हल कर लिया है, उन्होंने एक छोटे कंप्यूटर प्रोग्राम को इन थर्मल धब्बों को सीधे पढ़ने के लिए प्रशिक्षित किया है। उन्होंने एक ऐसा सिस्टम बनाया है जो इस आठ-बाय-आठ के ग्रिड के एक एकल फ्रेम को देख सकता है और तुरंत दो काम एक साथ कर सकता है: वह तय करता है कि कमरे में क्या हो रहा है, और वह ठीक उस स्थान की ओर संकेत करता है जहाँ गर्मी का मुख्य स्रोत स्थित है। यह एक महत्वपूर्ण कदम है क्योंकि इस निम्न-रिज़ॉल्यूशन डेटा का उपयोग करने के पिछले प्रयास जटिल, हस्तलिखित नियमों पर निर्भर थे जो अक्सर आग का पता लगाने या लोगों को सटीक रूप से खोजने में विफल रहे। नया दृष्टिकोण एक हल्के न्यूरल नेटवर्क का उपयोग करता है, जो मस्तिष्क से प्रेरित एक प्रकार का कंप्यूटर मॉडल है, जिसे विशेष रूप से इस बहुत कम मात्रा में डेटा के साथ काम करने के लिए डिज़ाइन किया गया है। यह अनुमान लगाने के बजाय कि यदि छवि अधिक स्पष्ट होती तो वह कैसी दिखती, सिस्टम स्वयं कच्चे, धुंधले नंबरों में पैटर्न खोजने के लिए सीखता है।
शोधकर्ताओं ने एक कस्टम मॉडल बनाया है जो एक दोहरे उद्देश्य वाले उपकरण के रूप में कार्य करता है। डेटा की एक ही नज़र में, यह दृश्य को तीन श्रेणियों में से एक में वर्गीकृत करता है: एक खाली कमरा, एक व्यक्ति वाला कमरा, या एक व्यक्ति और आग वाला कमरा। साथ ही, यह ग्रिड में सबसे गर्म बिंदु के सटीक स्थान की गणना करता है। इसे विश्वसनीय रूप से काम करने के लिए, उन्होंने पहले डेटा को एक सरल फ़िल्टर के साथ साफ किया जो कमरे के बैकग्राउंड तापमान को हटा देता है, जिससे यह सुनिश्चित होता है कि सिस्टम केवल वस्तुओं की सापेक्ष गर्मी पर ध्यान केंद्रित करे। यह मॉडल को तब भी काम करने की अनुमति देता है जब कमरा समय के साथ थोड़ा गर्म या ठंडा होता है। बारह हजार संतुलित छवियों के डेटासेट पर परीक्षण किए जाने पर, सिस्टम उल्लेखनीय रूप से सटीक था, जिसने लगभग हर मामले में दृश्य की सही पहचान की और आधे पिक्सेल से भी कम की त्रुटि के साथ ऊष्मा स्रोत का पता लगाया।
इस खोज को जो चीज़ विशेष रूप से शक्तिशाली बनाती है वह यह है कि यह एक माइक्रोकंट्रोलर पर चलता है, जो उस चिप की तरह है जो रोजमर्रा के स्मार्ट उपकरणों में पाई जाती है। शोधकर्ताओं ने अपने मॉडल को इतना संकुचित कर दिया कि यह मेमोरी की एक बहुत छोटी मात्रा में फिट हो जाता है, जिससे इसका आकार लगभग आधे मेगाबाइट से घटकर केवल एक सौ छब्बीस किलोबाइट रह गया। इस संपीड़न ने इसके प्रदर्शन को नुकसान नहीं पहुँचाया। जब उन्होंने इस छोटे संस्करण को एक वास्तविक थर्मल सेंसर से जुड़े एक छोटे विकास बोर्ड (डेवलपमेंट बोर्ड) पर स्थापित किया, तो यह वास्तविक समय में काम करना जारी रखता है। एक वास्तविक दुनिया के परिवेश से हजारों फ्रेमों वाले लाइव परीक्षणों में, सिस्टम ने उच्च स्तर की सटीकता बनाए रखी, लगभग बयासी प्रतिशत बार दृश्यों की सही पहचान की और एक और डेढ़ पिक्सेल से कम के औसत त्रुटि के साथ ऊष्मा स्रोतों का पता लगाया।
अध्ययन ने यह भी पता लगाया कि यह सिस्टम विभिन्न वातावरणों के अनुकूल होने में कितना सक्षम है। जब शोधकर्ताओं ने मॉडल का परीक्षण एक अलग प्रकार के सेंसर पर किया जिसका रिज़ॉल्यूशन अधिक था, तो इसे शुरुआत में संघर्ष करना पड़ा, जिससे पता चला कि सिस्टम आठ-बाय-आठ के ग्रिड की विशिष्ट ज्यामिति के लिए ट्यून किया गया है। हालांकि, नए डेटा पर पुन: प्रशिक्षण (रिट्रेनिंग) की एक संक्षिप्त अवधि के बाद, सिस्टम तेजी से अनुकूलित हो गया और उच्च सटीकता प्राप्त कर ली। यह सुझाव देता है कि हालांकि विशिष्ट डिज़ाइन छोटे सेंसर के लिए अनुकूलित है, लेकिन थर्मल पैटर्न सीखने की मूल क्षमता अन्य उपकरणों पर भी थोड़े सहयोग के साथ स्थानांतरित होने के लिए पर्याप्त मजबूत है। शोधकर्ताओं ने पुष्टि की कि सिस्टम तब सबसे अच्छा काम करता है जब इसे वर्गीकरण और स्थान खोजने, दोनों को एक साथ संभालने के लिए प्रशिक्षित किया जाता है, क्योंकि केवल एक कार्य करने का प्रयास दूसरे को काफी खराब कर देता है।
यह कार्य प्रदर्शित करता है कि उपयोगी धारणा (परसेप्शन) उन रिज़ॉल्यूशन पर भी संभव है जिन्हें अधिकांश विज़न सिस्टम त्याग देते हैं। यह सिद्ध करके कि एक छोटा, गोपनीयता-संरक्षण करने वाला सेंसर वास्तविक समय में लोगों और आग का पता लगाने के लिए एक हल्के कंप्यूटर के साथ जोड़ा जा सकता है, शोधकर्ताओं ने सुरक्षित, अधिक निजी इनडोर निगरानी का मार्ग खोल दिया है। सिस्टम को यह जानने के लिए चेहरे को देखने की आवश्यकता नहीं है कि कोई वहां है, और न ही इसे डेटा को प्रोसेस करने के लिए किसी शक्तिशाली सर्वर की आवश्यकता है। यह बस गर्मी को पढ़ता है, दृश्य को समझता है, और कुछ मिलीसेकंड के भीतर कार्य करता है। यह क्षमता देखभाल गृहों (केयर होम्स) में आग की प्रारंभिक चेतावनी या निजी स्थानों में उपस्थिति ट्रैकिंग को बिना कभी भी अंदर के लोगों की गोपनीयता से समझौता किए संभव बना सकती 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।