High Accuracy Fingerprint Recognition on FPGA Using a Dual Path Lightweight CNN
यह शोध पत्र उच्च-सटीक फिंगरप्रिंट पहचान के लिए एक हल्का, दो-पथ वाला CNN आर्किटेक्चर प्रस्तावित करता है जो सीधे कच्चे (raw) चित्रों पर संचालित होता है और जिसे Xilinx Virtex-7 FPGA पर कुशलतापूर्वक कार्यान्वित किया गया है, जो अनुकूलित संसाधन और शक्ति खपत के साथ उत्कृष्ट प्रदर्शन 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
आधुनिक दुनिया में, यह साबित करना कि आप कौन हैं, अक्सर इस बात पर निर्भर करता है कि आपके पास क्या है, जैसे कि कोई कार्ड, या आप क्या याद रखते हैं, जैसे कि कोई पासवर्ड। फिर भी ये तरीके खो सकते हैं, चोरी हो सकते हैं, या भुला दिए जा सकते हैं। इसने वैज्ञानिकों और इंजीनियरों को उस चीज़ की तलाश करने के लिए प्रेरित किया जो आप वास्तव में हैं, एक जैविक लक्षण जो अद्वितीय रूप से आपका है और जीवन भर आपके साथ रहता है। इन लक्षणों में, मानव उंगली के सिरे पर मौजूद रेखाओं और घाटियों (ridges and valleys) को लंबे समय से पहचान के लिए एक पसंदीदा विकल्प माना गया है। इन्हें कैप्चर करना आसान है, दशकों तक उल्लेखनीय रूप से स्थिर रहते हैं, और इन्हें पूरी तरह से दोहराना लगभग असंभव है। वर्षों से, कंप्यूटर को इन पैटर्न को पढ़ने के लिए सिखाया जा रहा है, लेकिन बिना बैटरी खत्म किए या विशाल सर्वर की आवश्यकता के इसे तेजी से और सटीक रूप से करना एक कठिन चुनौती बनी हुई है। लक्ष्य एक ऐसा सिस्टम बनाना है जो एक फिंगरप्रिंट को देख सके, उसके अद्वितीय मानचित्र को समझ सके, और पलक झपकते ही निर्णय ले सके, और वह भी एक विशाल, भारी-भरकम कंप्यूटर के बजाय एक छोटे, कुशल चिप पर चलते हुए।
फ्लोरिडा विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक नया तरीका डिजाइन करके इस समस्या को हल करने की दिशा में एक महत्वपूर्ण कदम उठाया है, जिससे कंप्यूटर के लिए फिंगरप्रिंट पहचानना न केवल अत्यधिक सटीक बल्कि आश्चर्यजनक रूप से संसाधनों के मामले में हल्का भी हो गया है। उन भारी, जटिल प्रणालियों पर निर्भर रहने के बजाय जो आमतौर पर ऐसे कार्यों को संचालित करती हैं, उन्होंने एक सुव्यवस्थित डिजिटल मस्तिष्क बनाया है जिसे विशेष रूप से एक फील्ड-प्रोग्रामेबल गेट एरे (FPGA) नामक विशेष कंप्यूटर चिप पर फिट होने के लिए बनाया गया है। ये चिप्स इंजीनियरों के लिए खाली कैनवास की तरह होते हैं; उन्हें अविश्वसनीय गति और बहुत कम ऊर्जा उपयोग के साथ विशिष्ट कार्य करने के लिए प्रोग्राम किया जा सकता है, जो उन्हें उन उपकरणों के लिए आदर्श बनाता है जिन्हें दीवार के सॉकेट से जुड़े बिना विश्वसनीय रूप से काम करने की आवश्यकता होती है। शोधकर्ता यह देखना चाहते थे कि क्या वे एक ऐसा फिंगरप्रिंट रीडर बना सकते हैं जिसे फिंगरप्रिंट को पढ़ने से पहले इमेज को साफ करने या सरल बनाने की आवश्यकता न हो, जो एक सामान्य चरण है जो अक्सर महत्वपूर्ण विवरणों को हटा देता है।
इसे प्राप्त करने के लिए, टीम ने एक नए प्रकार के न्यूरल नेटवर्क को डिजाइन किया, जो एक कंप्यूटर सिस्टम है जिसे मानव मस्तिष्क की नकल करते हुए बनाया गया है और जो हजारों उदाहरणों को देखकर पैटर्न पहचानना सीखता है। इस काम के लिए मौजूदा अधिकांश प्रणालियाँ या तो इतनी भारी होती हैं कि वे छोटे चिप्स पर नहीं चल पातीं, या उन्हें फिंगरप्रिंट इमेज को छोटा करने और सुचारू (smooth) करने की आवश्यकता होती है, जो उन विवरणों को धुंधला कर सकता है जो सही मिलान के लिए आवश्यक हैं। शोधकर्ताओं ने एक अलग दृष्टिकोण प्रस्तावित किया: एक "डुअल-पाथ" (दोहरी राह वाली) संरचना। एक ही फिंगरप्रिंट को एक साथ देख रहे दो विशेषज्ञों की एक टीम की कल्पना करें। एक विशेषज्ञ बड़ी तस्वीर पर ध्यान केंद्रित करता है, जो प्रिंट के समग्र आकार और बड़े घुमावों को देखता है। दूसरा विशेषज्ञ सूक्ष्म, जटिल विवरणों और महीन रेखाओं का अध्ययन करने के लिए ज़ूम इन करता है। उनके डिजाइन में, ये दो "पथ" समानांतर में काम करते हैं, जिनमें से प्रत्येक कच्ची इमेज (raw image) से विभिन्न प्रकार की जानकारी निकालता है। अंत में, उनके निष्कर्षों को अंतिम निर्णय लेने के लिए जोड़ा जाता है। इस पद्धति ने उन्हें फिंगरप्रिंट इमेज के पूर्ण, मूल आकार का उपयोग करने की अनुमति दी, जिससे डेटा को रीसाइज या प्री-प्रोसेस किए बिना हर रेखा और घाटी को सुरक्षित रखा जा सका।
टीम ने सार्वजनिक डेटाबेस से फिंगरप्रिंट छवियों के एक विशाल संग्रह का उपयोग करके इस नए सिस्टम को प्रशिक्षित किया, जिसमें विभिन्न प्रकार के सेंसरों और अलग-अलग रिज़ॉल्यूशन के साथ ली गई स्कैन की गई छवियां शामिल थीं। यह सुनिश्चित करने के लिए कि कंप्यूटर वास्तविक दुनिया की विविध स्थितियों को संभाल सके, उन्होंने इसे 'डेटा ऑग्मेंटेशन' नामक एक तकनीक का उपयोग करके सिखाया। इसमें एक ही फिंगरप्रिंट के थोड़े बदले हुए संस्करण दिखाना शामिल था, जैसे कि वे चित्र जिन्हें कुछ डिग्री घुमाया गया हो या थोड़ा बगल में खिसकाया गया हो, जो इस बात की नकल करता है कि हर बार स्कैनर पर उंगली को अलग तरह से कैसे रखा जा सकता है। इन विविध उदाहरणों पर प्रशिक्षण देकर, सिस्टम ने उंगली की मूल पहचान को पहचानना सीखा, चाहे वह स्कैनर पर किसी भी स्थिति में क्यों न हो। परीक्षण के दौरान, यह नया मॉडल कई पिछले तरीकों की तुलना में अधिक सटीक साबित हुआ, जिसने प्रशिक्षण डेटा की पूरी श्रृंखला का उपयोग करते हुए लगभग 70 प्रतिशत मामलों में फिंगरप्रिंटों को सही ढंग से पहचाना, और सख्त परीक्षण परिदृश्यों में भी 63 प्रतिशत से अधिक सटीकता प्राप्त की जहाँ टेस्ट इमेज को बदला नहीं गया था।
केवल सटीक होने के अलावा, इस शोध का असली परीक्षण यह था कि क्या यह वास्तव में वास्तविक दुनिया के उपयोग के लिए इच्छित विशेष हार्डवेयर पर चल सकता है। शोधकर्ताओं ने अपने डिजिटल डिजाइन को एक ऐसी भाषा में अनुवादित किया जिसे FPGA चिप समझ सके और उन्होंने पूरे सिस्टम को शून्य से बनाया। वे इस जटिल नेटवर्क को ज़िलिंक्स विर्टेक्स-7 (Xilinx Virtex-7) FPGA पर फिट करने में सफल रहे, जो एक शक्तिशाली चिप है जिसका उपयोग अक्सर उच्च-प्रदर्शन वाले अनुप्रयोगों में किया जाता है। परिणाम एक ऐसा सिस्टम था जो एक अकेले फिंगरप्रिंट को 80 मिलीसेकंड से कम समय में प्रोसेस कर सकता था, जो वास्तविक समय के उपयोग के लिए पर्याप्त तेज़ है। चिप ने लगभग 29 वॉट बिजली की खपत की, जो उच्च प्रदर्शन और ऊर्जा दक्षता के बीच संतुलन बनाती है, और इसने चिप के उपलब्ध संसाधनों का लगभग 70 प्रतिशत उपयोग किया। यह सफल कार्यान्वयन यह प्रदर्शित करता है कि कुशल हार्डवेयर पर परिष्कृत पहचान सत्यापन चलाना संभव है, जिससे बड़े बाहरी कंप्यूटरों या भारी बैटरी की आवश्यकता समाप्त हो जाती है।
इस कार्य ने यह भी उजागर किया कि इन प्रणालियों को बनाने में एक महत्वपूर्ण समझौता (trade-off) होता है। नेटवर्क को याद रखने के लिए आवश्यक आंतरिक सेटिंग्स, या मापदंडों (parameters), की संख्या को कम करके, शोधकर्ताओं ने सिस्टम को बहुत हल्का और चिप पर स्टोर करने में आसान बना दिया। उनके मॉडल को अपनी सीखी हुई जानकारी को रखने के लिए केवल 483 किलोबाइट मेमोरी की आवश्यकता थी, जो पुराने, भारी मॉडलों की तुलना में बहुत कम है। यह आकार में कमी प्रदर्शन की कीमत पर नहीं आई; वास्तव में, नया डिजाइन उन पिछले प्रयासों से बेहतर रहा जिन्होंने अधिक जटिल संरचनाओं का उपयोग किया था। शोधकर्ताओं ने पाया कि जबकि उनके डुअल-पाथ सिस्टम का एक हिस्सा बड़े फीचर्स को पहचानने में बेहतर था और दूसरा महीन विवरणों को पकड़ने में, दोनों को जोड़ना उच्चतम सटीकता के लिए आवश्यक था। यह सुझाव देता है कि फिंगरप्रिंट पहचान के लिए, बड़े और सूक्ष्म दोनों पहलुओं को एक साथ देखना सबसे विश्वसनीय उत्तर प्रदान करता है।
अंततः, यह शोध छोटे, पोर्टेबल और ऊर्जा-सचेत उपकरणों में सुरक्षित, उच्च-गति फिंगरप्रिंट पहचान लाने के लिए एक व्यावहारिक मार्ग प्रदान करता है। यह सिद्ध करके कि एक हल्का, डुअल-पाथ न्यूरल नेटवर्क, कच्चे इमेज के विवरणों से समझौता किए बिना, एक FPGA पर कुशलतापूर्वक चलाया जा सकता है, टीम ने दिखाया है कि विश्वसनीय बायोमेट्रिक सुरक्षा के लिए विशाल, भारी-भरकम बुनियादी ढांचे की आवश्यकता नहीं है। सिस्टम 108.6 मिलियन साइकिल प्रति सेकंड की गति से संचालित होता है, जो इसे किसी व्यक्ति की पहचान को लगभग तुरंत सत्यापित करने के लिए पर्याप्त तेज़ बनाता है। यह उपलब्धि बताती है कि निकट भविष्य में, हम मोबाइल फोन से लेकर सीमा नियंत्रण द्वारों तक, रोजमर्रा के उपकरणों की एक विस्तृत श्रृंखला में एम्बेडेड फिंगरप्रिंट स्कैनर देख सकते हैं, जो न केवल सुरक्षित हैं बल्कि कुशल और आत्मनिर्भर भी हैं, जो उस शक्ति के एक अंश के साथ जटिल निर्णय लेने में सक्षम हैं जिसकी पहले आवश्यकता मानी जाती थी।
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।