पैदल चलने के तरीकों के माध्यम से लिंग निर्धारण करना मशीन लर्निंग के साथ

रोमानिया के शोधकर्ताओं ने एक मशीन लर्निंग सिस्टम विकसित किया है जो किसी व्यक्ति के चलने के तरीके से उनके लिंग की पहचान कर सकता है, बिना चेहरे के घटकों (जो छिपे हुए या अवरुद्ध हो सकते हैं) का विश्लेषण किए, और बिना रूपरेखा विश्लेषण या अन्य शरीर पर पहने हुए संकेतों (जो दूसरे लिंग के सदस्यों द्वारा ‘स्पूफ’ किए जा सकते हैं) पर निर्भर किए।

इसके बजाय, नया सिस्टम मौजूदा लेबलिंग सिस्टम का उपयोग करता है जो इन अस्थायी (और परिवर्तनशील) संकेतों पर आधारित होते हैं ताकि पुरुषों और महिलाओं के चलने के तरीके में अंतर करने वाले मूल विशेषताओं की पहचान की जा सके, जिसके परिणामस्वरूप एक सिस्टम होता है जो केवल एक व्यक्ति की ‘कंकाल’ गतिविधियों से लिंग की पहचान करता है।

प्रभावी रूप से, यह नया दृष्टिकोण पुरुषों और महिलाओं के चलने के तरीकों में अंतर को मापता है बिना किसी अन्य संकेतों का सहारा लिए; लेकिन चूंकि यह अन्य विशेषताओं (जैसे चेहरे की जानकारी) का उपयोग करके चलने के तरीकों को最初 लेबल करने के लिए करता है, शोध इस प्रश्न को खुला छोड़ देता है कि कौन से विशिष्ट गुण लिंग को चलने के दौरान अलग करते हैं।

नया तरीका चेहरे के विश्लेषण मॉडल से लिंग पहचान को प्राप्त करता है जो सीमाओं (जैसे सीमित उपयोगी कोण और डेटासेट क्यूरेशन की आवश्यकता) के तहत काम करते हैं। सिस्टम तब कंकाल गतिविधियों को पुरुष या महिला के रूप में असाइन करता है और प्रत्येक के लिए विशिष्ट चलने के हस्ताक्षर को छानता है, चेहरे, कपड़े, और अन्य अविश्वसनीय डेटा स्रोतों की उपेक्षा करता है। स्रोत: https://arxiv.org/pdf/2111.00538.pdf

नया पेपर शीर्षक है फेस से गेट तक: चलने के पैटर्न से लिंग जानकारी का कमजोर-पर्यवेक्षित शिक्षा, और यह बुखारेस्ट में यूनिवर्सिटी पोलिटेहनिका के शोधकर्ताओं से आया है।

सिस्टम चेहरे के विश्लेषण मॉडल के समान प्रदर्शन करता है, और अक्सर उन मानकों को पार करता है, 91% तक के F1 स्कोर के साथ, और नए दृश्यों और परिस्थितियों में उच्च स्तर का सामान्यीकरण प्रदान करता है, जिसमें विभिन्न दृष्टिकोण और परिस्थितियां शामिल हैं जो आमतौर पर चेहरे-आधारित या समान लिंग पहचान प्रणालियों की प्रभावशीलता को ब्लॉक करेंगी। इनमें चेहरा-अवरुद्ध दृष्टिकोण, गैर-मुख्य कोण और बहुत ही सामान्य दृश्य शामिल हैं जहां केवल चलने का तरीका ही लिंग का एक संभावित विश्वसनीय संकेत हो सकता है।

लिंग अंतर

जैसा कि शोधकर्ताओं ने निष्कर्ष निकाला है, ऐसी प्रणाली की जनसांख्यिकी संग्रह ढांचे के लिए बहुत बड़ी संभावना है जो वर्तमान में न केवल कोविड के तहत मास्क के अपनाने से, बल्कि फैशन और होने की विचित्रताओं से भी बाधित है, जो कपड़ों और रूपरेखा विश्लेषण को लिंग की पहचान करने के लिए एक अविश्वसनीय तरीका बनाता है।

निगरानी के संदर्भ में, लक्ष्य विषय के लिंग के अनुरूप न होने वाले सभी संभावित लक्ष्यों को छोड़ देने से पूर्व-प्रसंस्करण और मानव और मशीन के ध्यान की आवश्यकता को आधा तक कम किया जा सकता है – क्योंकि वर्तमान पहचान प्रणालियां अक्सर एक निगरानी व्यक्ति को लिंग सौंपने में असफल रहती हैं।

नया पेपर से: विभिन्न उदाहरण जहां लिंग पहचान प्रणालियां विफल होती हैं। ऊपरी पंक्ति में, हम देखते हैं कि शोधकर्ताओं की नई गेट-विश्लेषण प्रणाली उसी उदाहरण में चेहरे के विश्लेषण की तुलना में सही लिंग लेबल (एम या एफ) के साथ मेल खाती है। नीचे की पंक्ति में, हम उन उदाहरणों को देखते हैं जहां शोधकर्ताओं द्वारा उपयोग किए जाने वाले लेबलिंग टूल ने ‘शोर’ (अर्थात गलत) लिंग लेबल का उत्पादन किया है। इसका मुकाबला करने के लिए, शोधकर्ताओं ने पेंसिल (‘प्रोबेबिलिस्टिक एंड-टू-एंड नॉइज़ करेक्शन फॉर लर्निंग विद नॉइज़ी लेबल्स’) जैसे तरीकों का उपयोग किया।

नaturally, गेट विश्लेषण के माध्यम से विश्वसनीय लिंग पहचान की संभावना वर्तमान गेट-स्पूफिंग दृष्टिकोणों में रुचि को बढ़ाने की संभावना है।

लिंग निर्धारण द्वारा प्रॉक्सी

यह सैद्धांतिक रूप से संभव है कि नए परियोजना द्वारा प्राप्त की गई समान कार्यक्षमता को हाथ से क्यूरेट किए गए कंकाल गतिविधि डेटा के गहन विश्लेषण के माध्यम से प्राप्त किया जा सकता था। यदि ऐसा किया गया होता, तो यह संभावना है कि नई परियोजना में लिंग को परिभाषित करने वाली गतिविधि विशेषताओं के बारे में गहरी जानकारी होती। हालांकि, ऐसा दृष्टिकोण संसाधनों की एक बड़ी प्रतिबद्धता को दर्शाता है, और शोधकर्ताओं ने इसके बजाय मौजूदा (कम मजबूत) प्रणालियों का उपयोग किया है ताकि आवश्यक लेबल उत्पन्न किए जा सकें।

इन ‘प्सेवдо-लेबल’ में लिंग-आधारित चलने के गुणों में कोई स्पष्ट अंतर्दृष्टि नहीं है, लेकिन वे चलने के पैटर्न को लिंग के अनुसार फिल्टर करने के लिए एक उच्च सामान्यीकरण तरीके से संभव बनाते हैं जो संसाधन सीमाओं के भीतर प्राप्त किया जा सकता है।

प्रारंभ में, शोधकर्ताओं ने 2019 फ्रंट व्यू गेट (एफवीजी) डेटासेट का उपयोग किया, जो एक मुख्य कोण से गेट पहचान की चुनौती को संबोधित करता है, जो बादल दृश्यों की तुलना में कम संकेत प्रदान करता है। डेटासेट में विभिन्न बाधाओं के साथ चलने के नमूने शामिल हैं, जैसे कि विभिन्न चलने की गति, भीड़भाड़ वाली पृष्ठभूमि, विभिन्न रिज़ॉल्यूशन और कपड़ों में अंतर।

2019 एफवीजी पेपर से, गेटनेट स्वचालित रूप से ‘चलने वाले वीडियो’ से गेट की आवश्यक विशेषताओं को सीखता है, जो सार्वजनिक सामने कैमरों में एक बार-बार देखने वाला दृश्य है। स्रोत: https://arxiv.org/pdf/1904.04925.pdf

चूंकि एफवीजी लिंग पहचान के लिए उन्मुख नहीं है, लेखकों ने डेटासेट में 226 विषयों को मैन्युअल रूप से लिंग जानकारी के साथ एनोटेट किया ताकि फ्रेमवर्क के लिए आधार सत्य विकसित किया जा सके।

चेहरे का पता लगाने को एमटीसीएनएन के माध्यम से सुविधाजनक बनाया गया था, और जनसांख्यिकी विशेषताओं का निर्धारण आईएमडीबी-विकी डेटासेट द्वारा किया गया था। चूंकि गेट विश्लेषण दूरस्थ दूरी पर चेहरे-आधारित अनुमान से कहीं अधिक प्रभावी हो सकता है, अंतिम लेबल चेहरे के बाउंडिंग बॉक्स के क्षेत्र के आयामों के सापेक्ष चेहरे के बाउंडिंग बॉक्स के क्षेत्र से प्राप्त लिंग विश्वास के एक भारित औसत द्वारा प्राप्त किए गए थे। कंकाल को अल्फापोज़ के साथ निकाला गया था, जो किसी भी संभावित ‘देने वाले’ को हटा देता है, जैसे कि विषय की वस्तुनिष्ठ ऊंचाई (जो ad hoc सार्वजनिक कैमरा परिदृश्यों में निश्चित रूप से मूल्यांकन नहीं किया जा सकता है)।

परीक्षण

सिस्टम का सीएएसआईए-बी गेट डेटाबेस के खिलाफ परीक्षण किया गया था, जिसमें डेटासेट में अधिक प्रतिनिधित्व वाले पुरुषों को नमूना लिया गया था ताकि परीक्षण में समानता सुनिश्चित की जा सके, जिसमें डेटा 80% प्रशिक्षण और 20% सत्यापन के लिए विभाजित किया गया था।

शोधकर्ताओं ने अपने पिछले काम, वाइल्डगेट नेटवर्क (नीचे दी गई छवि देखें) का उपयोग किया, चलने के क्रमों के बीच समानता की गणना करने के लिए। लिंग आईडी, जो पहले से ही स्थापित किए गए हैं, अब प्रभावी रूप से फ्रेमवर्क प्रक्रिया के इस चरण में पहुंचाए जाते हैं।

वाइल्डगेट एक स्पेसियो-टेम्पोरल ग्राफ कॉनवोल्यूशनल नेटवर्क है जो वास्तविक दुनिया के निगरानी स्ट्रीम से व्युत्पन्न वास्तविक समय, स्वचालित रूप से एनोटेटेड कंकाल क्रमों पर प्रशिक्षित है। स्रोत: https://arxiv.org/pdf/2105.05528.pdf

निष्कर्ष में, लेखकों का कहना है कि सिस्टम लिंग निर्धारण में सटीकता के संदर्भ में चेहरे-आधारित प्रणालियों के राज्य के साथ मेल खाता है। चूंकि स्रोत चलने वाले वीडियो में हो सकने वाले इतने सारे कोण हैं, परिणाम उन संभावित दृष्टिकोणों के एक श्रृंखला में वितरित किए जाते हैं: