Architectural Heritage Recognition with Deep Learning: An ANN and CNN Approach

इतिहास अक्सर पत्थर पर लिखा जाता है, लेकिन सदियों से, उस पत्थर में उकेरी गई कहानियों को समझने के लिए मानवीय आँखों के धीमे और सावधानीपूर्ण कार्य पर निर्भर रहना पड़ा है। जब कोई इतिहासकार या वास्तुकार अतीत की किसी इमारत को देखता है, तो उसे उसके समय को समझने के लिए उसकी शैली की पहचान करनी होती—चाहे वह गोथिक युग के ऊंचे मेहराब हों या प्राचीन फारस के जटिल स्तंभ। यह मैन्युअल प्रक्रिया न केवल समय लेने वाली है, बल्कि जब अभिलेखों में बिखरी हजारों छवियों का सामना करना हो, तो इसे बड़े पैमाने पर लागू करना भी कठिन है। इन संरचनाओं की दृश्य जटिलता, उनकी अनूठी बनावट, आकार और सामग्रियों के कारण, उन्हें व्यवस्थित रूप से व्यवस्थित करना मुश्किल हो जाता है। हाल के वर्षों में, कंप्यूटर विज्ञान की एक शाखा जिसे 'डीप लर्निंग' कहा जाता है, ने इस समस्या से निपटने का एक नया तरीका पेश किया है। ये प्रणालियाँ मानव मस्तिष्क के अनुभव से सीखने की तरह डेटा से सीखने के लिए डिज़ाइन की गई हैं, जिससे वे छवियों में उन पैटर्न को पहचान सकती हैं जो शायद एक व्यक्ति के लिए कुशलतापूर्वक छाँटने के लिए बहुत सूक्ष्म या बहुत अधिक हों। कंप्यूटर को उन विशिष्ट विवरणों को देखने के सिखाकर जो किसी इमारत के युग को परिभाषित करते हैं, शोधकर्ताओं को उम्मीद है कि वे ऐसे उपकरण बना सकेंगे जो स्वचालित रूप से हमारी साझा स्थापत्य विरासत को सूचीबद्ध और संरक्षित कर सकें।

हाल ही में एक अध्ययन में, यूनिवर्सिटी ऑफ मैनेजमेंट एंड टेक्नोलॉजी के शोधकर्ताओं मैजिद अली बेग और सारा अब्बास ने ऐसा उपकरण बनाने का लक्ष्य रखा। उन्होंने ऐतिहासिक इमारतों की छवियों को उनकी सही स्थापत्य शैलियों में स्वचालित रूप से वर्गीकृत करने की चुनौती पर ध्यान केंद्रित किया। ऐसा करने के लिए, उन्होंने 'कन्वोल्यूशनल न्यूरल नेटवर्क' नामक आर्टिफिशियल इंटेलिजेंस के एक प्रकार पर आधारित एक कंप्यूटर प्रोग्राम विकसित किया। आप इस नेटवर्क को एक डिजिटल प्रणाली के रूप में समझ सकते हैं जो एक छवि को देखती है और उसे विशेषताओं की परतों में विभाजित करती है, साधारण रेखाओं और आकारों से शुरू होकर धीरे-धीरे उन जटिल पैटर्न तक पहुँचती है जो एक विशिष्ट शैली को परिभाषित करते हैं। टीम ने ऑनलाइन उपलब्ध ऐतिहासिक इमारतों के एक बड़े संग्रह से शुरुआत की, जिसमें बीस अलग-अलग स्थापत्य शैलियों का प्रतिनिधित्व करने वाली छवियां शामिल थीं। अपने प्रारंभिक प्रयोग के लिए, उन्होंने अपने सिस्टम का परीक्षण करने के लिए चार विशिष्ट शैलियों का चयन किया: प्राचीन अचेमेनिड शैली, मध्यकालीन गोथिक शैली, आधुनिक डिकंस्ट्रक्टिविस्ट शैली और अलंकृत आर्ट नोव्यू शैली।

शोधकर्ताओं ने सबसे पहले कंप्यूटर के पढ़ने के लिए छवियों को तैयार किया। उन्होंने हर फोटो को ग्रेस्केल इमेज में बदल दिया, जिससे रंग हट गए और केवल आकृतियों और संरचनाओं पर ध्यान केंद्रित हुआ, और उन्हें 256 x 256 पिक्सेल के एक समान आकार में बदल दिया। इस मानकीकरण ने यह सुनिश्चित किया कि कंप्यूटर विभिन्न छवियों के आकार या रंग के बदलावों से भ्रमित होने के बजाय 'सेब की तुलना सेब से' (समान चीजों की तुलना) कर रहा है। इसके बाद उन्होंने इन संसाधित छवियों को अपने कस्टम-निर्मित न्यूरल नेटवर्क में डाला। सिस्टम को कई परतों के साथ डिज़ाइन किया गया था जो प्रत्येक चित्र से सबसे महत्वपूर्ण विवरण निकालने के लिए मिलकर काम करती थीं। इसने गणितीय तकनीकों का उपयोग करके विभिन्न विशेषताओं के महत्व को समायोजित किया, यह सुनिश्चित करते हुए कि सिस्टम शोर या अप्रासंगिक विवरणों से भ्रमित हुए बिना सही पैटर्न सीखे। अपने सिस्टम को यथासंभव प्रभावी बनाने के लिए, शोधकर्ताओं ने हजारों विभिन्न सेटिंग्स का परीक्षण करने के लिए एक स्वचालित टूल का उपयोग किया, ताकि उन मापदंडों के सही संयोजन की खोज की जा सके जो कंप्यूटर को सबसे तेज़ और सबसे सटीक रूप से सीखने में सक्षम बनाए।

परिणामों ने दिखाया कि कंप्यूटर वास्तव में इन जटिल स्थापत्य शैलियों के बीच अंतर करना सीख सकता है। डेटा पर प्रशिक्षण के बाद, सिस्टम ने उच्च स्तर की सटीकता प्राप्त की, और अपने प्रशिक्षण चरण के दौरान अधिकांश मामलों में इमारत की शैली की सही पहचान की। जब इसका परीक्षण उन नई छवियों पर किया गया जिन्हें इसने पहले कभी नहीं देखा था, तो सिस्टम ने मजबूत प्रदर्शन बनाए रखा, और लगभग 85 प्रतिशत मामलों में स्थापत्य शैली को सही ढंग से वर्गीकृत किया। शोधकर्ताओं ने यह मापने के लिए भी विशिष्ट मीट्रिक्स का उपयोग किया जो इस बात पर नज़र रखते हैं कि वह कितनी बार सही था और कितनी बार उसने सही पहचान करने से चूक की। सिस्टम ने बहुत अधिक गलतियाँ किए बिना सही शैली खोजने की संतुलित क्षमता दिखाई, जिसका स्कोर शैलियों के बीच दृश्य अंतर की ठोस समझ को दर्शाता है। हालाँकि, अध्ययन ने यह भी प्रकट किया कि सिस्टम पूर्ण नहीं था; इसने कभी-कभी गोथिक शैली को रोमनस्क शैली के साथ भ्रमित कर दिया, जिससे पता चलता है कि कुछ स्थापत्य विशेषताएं इतनी समान हैं कि उन्नत कंप्यूटर मॉडल भी उन्हें अलग करने में संघर्ष कर सकते हैं।

यह कार्य प्रदर्शित करता है कि डीप लर्निंग इतिहासकारों और संरक्षणवादियों के लिए एक शक्तिशाली सहायक के रूप में कार्य कर सकता है। हजारों इमारतों की छवियों को स्वचालित रूप से छाँटने के माध्यम से, यह प्रणाली स्थापत्य अभिलेखों के विशाल संग्रहों को मानव की तुलना में बहुत तेज़ी से व्यवस्थित करने में मदद कर सकती है। शोधकर्ताओं ने उल्लेख किया कि उनका दृष्टिकोण स्केलेबल (विस्तार योग्य) है, जिसका अर्थ है कि इसे उनके डेटासेट की सभी बीस शैलियों को संभालने के लिए विस्तारित किया जा सकता है, न कि केवल उन चार के लिए जिनका उन्होंने परीक्षण किया है। जबकि वर्तमान मॉडल एक महत्वपूर्ण कदम है, लेखक स्वीकार करते हैं कि अभी भी बहुत काम किया जाना बाकी है। भविष्य के प्रयास संभवतः सिस्टम को अधिक शैलियों को संभालने के लिए परिष्कृत करने और बहुत समान स्थापत्य काल के बीच अंतर करने की इसकी क्षमता में सुधार करने पर केंद्रित होंगे। फिलहाल, यह अध्ययन सिद्ध करता है कि कंप्यूटर को इतिहास की दृश्य भाषा को पहचानने के लिए सिखाया जा सकता है, जो हमारे चारों ओर की निर्मित विरासत को दस्तावेजीकृत करने और समझने का एक नया तरीका प्रदान करता है।