एआई मॉडल और प्लेटफ़ॉर्म
न्यूरल नेटवर्क एयरियल इमेजेस से बादल हटाने में मदद करते हैं
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
ओसाका विश्वविद्यालय के सस्टेनेबल एनर्जी और पर्यावरण इंजीनियरिंग विभाग के शोधकर्ताओं और वैज्ञानिकों ने जनरेटिव एडवर्सेरियल नेटवर्क (GANs) का उपयोग करके एयरियल इमेजेस से डिजिटल रूप से बादल हटाने में सफलता प्राप्त की। परिणामी डेटा के साथ, वे स्वचालित रूप से बिल्डिंग इमेज मास्क के सटीक डेटासेट बनाने में सक्षम थे।
शोध को एडवांस्ड इंजीनियरिंग इन्फॉर्मेटिक्स में प्रकाशित किया गया था।
टीम ने डेटा की गुणवत्ता में सुधार करने के लिए दो कृत्रिम बुद्धिमत्ता (AI) नेटवर्क को एक दूसरे के खिलाफ खड़ा किया, और इसके लिए पहले से लेबल की गई छवियों की आवश्यकता नहीं थी। टीम के अनुसार, इन नए विकासों का उपयोग नागरिक इंजीनियरिंग जैसे क्षेत्रों में किया जा सकता है, जहां कंप्यूटर विजन प्रौद्योगिकी महत्वपूर्ण है।
इमेजेस की मरम्मत के लिए मशीन लर्निंग
मशीन लर्निंग का अक्सर बादलों से ढकी हुई इमेजेस, जैसे कि बिल्डिंग की एयरियल इमेजेस की मरम्मत के लिए उपयोग किया जाता है। यह कार्य मैनुअल रूप से किया जा सकता है, लेकिन यह समय लेने वाला और मशीन लर्निंग अल्गोरिदम की तुलना में कम प्रभावी है। यहां तक कि उपलब्ध अल्गोरिदम को भी बड़े प्रशिक्षण इमेजेस के सेट की आवश्यकता होती है, इसलिए तकनीक को और आगे बढ़ाना आवश्यक है।
ओसाका विश्वविद्यालय के शोधकर्ताओं ने जनरेटिव एडवर्सेरियल नेटवर्क लागू करने के लिए यही किया। एक नेटवर्क “जनरेटिव नेटवर्क” है, और यह बादलों के बिना पुनर्निर्मित इमेजेस का प्रस्ताव देता है। इस नेटवर्क को एक “विभेदक नेटवर्क” के खिलाफ खड़ा किया जाता है, जो वास्तविक इमेजेस और डिजिटल रूप से मरम्मत की गई तस्वीरों के बीच अंतर करने के लिए एक कन्वोल्यूशनल न्यूरल नेटवर्क पर निर्भर करता है।
जैसे ही नेटवर्क इस प्रक्रिया के माध्यम से आगे बढ़ते हैं, वे दोनों बढ़ते समय बेहतर होते जाते हैं, जो उन्हें बादलों को डिजिटल रूप से मिटाने के साथ उच्च गुणवत्ता वाली इमेजेस बनाने में सक्षम बनाता है।
कजुनोसुके इकेनो पेपर के पहले लेखक हैं।
“जनरेटिव नेटवर्क को विभेदक नेटवर्क को ‘धोखा’ देने के लिए प्रशिक्षित करके कि एक छवि वास्तविक है, हम अधिक स्व-निरंतर इमेजेस प्राप्त करते हैं,” इकेनो कहते हैं।
इमेज: 2021 कजुनोसुके आईकेनो एट अल., एडवांस्ड इंजीनियरिंग इन्फॉर्मेटिक्स
सिस्टम को प्रशिक्षित करना
टीम ने 3D वर्चुअल मॉडल के साथ एक ओपन-सोर्स डेटासेट से फोटोग्राफ का उपयोग किया, और यह इनपुट के रूप में उपयोग किया गया था। इससे सिस्टम को स्वचालित रूप से पुनर्निर्मित बिल्डिंग को ओवरले करने वाले डिजिटल “मास्क” बनाने में सक्षम बनाया गया।
टोमोहिरो फुकुडा शोध के वरिष्ठ लेखक हैं।
“यह विधि लेबल किए गए प्रशिक्षण डेटा के बिना क्षेत्रों में बिल्डिंग का पता लगाना संभव बनाती है,” फुकुडा कहते हैं।
प्रशिक्षित मॉडल एक “इंटरसेक्शन ओवर यूनियन” मूल्य के साथ बिल्डिंग का पता लगाने में सक्षम था, जो 0.651 था। यह मूल्य यह माप है कि कितनी सटीकता से पुनर्निर्मित क्षेत्र वास्तविक क्षेत्र के अनुरूप है।
टीम के अनुसार, यह विधि धुंधली इमेजेस वाले अन्य डेटासेट की गुणवत्ता में सुधार कर सकती है, यह बस विस्तारित करने की आवश्यकता है। इसमें स्वास्थ्य देखभाल जैसे विभिन्न क्षेत्रों में इमेजेस शामिल हो सकती हैं, जहां इसका उपयोग चिकित्सा इमेजिंग में सुधार के लिए किया जा सकता है।
