एक शॉट सीखने पैटर्न मान्यता एल्गोरिथ्म

परिचय

मैं आपको पहली बार सीखने (तथाकथित वन-शॉट लर्निंग) के साथ छवि मान्यता एल्गोरिदम के साथ अपने प्रयोगों का परिणाम पेश करना चाहता हूं। प्रयोगों के परिणामस्वरूप, छवि संरचना के कुछ दृष्टिकोण विकसित किए गए और, परिणामस्वरूप, वे कई इंटरकनेक्टेड एल्गोरिदम और एंड्रॉइड पर एक परीक्षण एप्लिकेशन में सन्निहित थे, जिसके साथ आप एल्गोरिदम की गुणवत्ता और प्रदर्शन की जांच कर सकते हैं।

मेरा लक्ष्य एक स्पष्ट कार्य सिद्धांत के साथ एक एल्गोरिथ्म बनाना था जो किसी तस्वीर में पहली बार सार निर्भरता पा सकता है (सीखने के लिए) और बाद के मान्यता चक्रों में स्वीकार्य मान्यता गुणवत्ता (ऐसे सार निर्भरता के लिए खोज) दिखा सकता है। उसी समय, निर्णय लेने का तर्क पारदर्शी होना चाहिए, विश्लेषण के लिए उत्तरदायी, रैखिक एल्गोरिदम के करीब। एक सशर्त पैमाने पर जहां एक छोर पर मस्तिष्क और दूसरे में एक सीएनसी मशीन है, यह तंत्रिका नेटवर्क की तुलना में मशीन के बहुत करीब है।

तंत्रिका नेटवर्क क्यों नहीं?

फिलहाल, तंत्रिका नेटवर्क मान्यता कार्यों में शासन करते हैं, विशेष रूप से CNN पैटर्न मान्यता के लिए एक प्रकार का मानक है। हालांकि, मेरी राय में, उनका आवेदन असीमित नहीं है और अन्य दृष्टिकोणों की मांग की जानी चाहिए।

मैं तंत्रिका नेटवर्क के खिलाफ कई कारण दूंगा:

1. प्रशिक्षण के लिए बड़े डेटासेट की आवश्यकता होती है, जो आसानी से उपलब्ध नहीं हो सकते हैं।
2. सीखने के लिए महान शक्ति और प्रत्येक चित्र के लिए महान सीखने का समय
3. एल्गोरिथ्म की अस्पष्टता, डिबग करने में असमर्थता और परिणाम पर प्रत्यक्ष प्रभाव। वज़न के वितरण के तर्क को समझना असंभव नहीं तो बहुत मुश्किल है। यह ताकत और कमजोरी दोनों है।

यह कैसे काम करता है

मूल विचार यह है: छवि-नमूना को संरचित किया जाना चाहिए, अर्थात इसमें दी गई जानकारी को आवश्यक न्यूनतम तक घटाया जाना चाहिए, लेकिन ताकि अर्थ खो न जाए। उदाहरण के लिए, कलाकार रेखाचित्र खींचते हैं - बस कुछ सटीक लाइनों में, एक कलाकार किसी व्यक्ति के चेहरे या किसी वस्तु को चित्रित कर सकता है और दर्शक समझ जाएगा कि क्या दर्शाया गया है। एक तस्वीर में एन * एम पिक्सल का एक मैट्रिक्स होता है, प्रत्येक पिक्सेल में रंग की जानकारी के कुछ बिट होते हैं, और यदि आप लाइन पैरामीटर के रूप में यह सब कल्पना करते हैं, तो जानकारी की मात्रा तेजी से घट जाती है और ऐसी जानकारी को संसाधित करना अधिक सरल होता है। एल्गोरिथ्म को लगभग एक ही काम करना चाहिए। उसे फ्रेम में मुख्य विवरण को उजागर करना चाहिए - वह जो मूल जानकारी को वहन करता है और सभी अनावश्यक को छोड़ देता है।

एल्गोरिथ्म नमूना में वस्तुओं की सीमाओं के साथ वैक्टर की संरचना और मान्यता प्राप्त छवि में समान संरचना का पता लगाता है।

वेक्टर प्राप्त करने के लिए, एक छवि प्रसंस्करण के कई चरणों से गुजरती है:

• सरल सूत्र (रेड + ग्रीन + ब्लू) / 3 का उपयोग करके मोनोक्रोम में अनुवादित
• मैट्रिक्स के प्रत्येक बिंदु के लिए ढाल की गणना की जाती है।
• ढाल के सबसे महत्वपूर्ण वजन क्षेत्र पाए जाते हैं
• हम इन क्षेत्रों को कवर करने वाले वैक्टर की श्रृंखला की खोज करते हैं
• इसके बाद, न्यूनतम जानकारी प्राप्त करने वाले वैक्टरों की न्यूनतम संख्या प्राप्त करने के लिए कदमों की जाँच की जाती है।

विश्लेषण एल्गोरिदम में भी यही बात होती है। अगला, वैक्टर के परिणामस्वरूप सरणियों की तुलना की जाती है:

• सबसे पहले, एल्गोरिथ्म कुछ समान भागों (स्थानीय समूहों) को जकड़ने की कोशिश करता है। उदाहरण के लिए, वह एक नमूने में एक भौं के समान एक भौं पा सकते हैं, और फिर एक नाक ढूंढ सकते हैं जो एक नाक की तरह दिखती है।
• और फिर स्थानीय समूहों के बीच एक समान संबंध की मांग की जाती है। उदाहरण के लिए, एक भौं + नाक + दूसरी भौं। पहले से ही अधिक जटिल क्लस्टर प्राप्त किया।
• आदि जब तक आपको क्लस्टर के बीच संबंधों की एक तस्वीर मिलती है जो सभी या लगभग सभी छवि वैक्टर को इकट्ठा करती है। यानी जैसे भौंहें, आंखें, नाक आदि। चेहरा काम नहीं करेगा

इस प्रकार, छोटे विवरण समग्र चित्र में शामिल हैं और एक हिमस्खलन जैसी पैटर्न मान्यता होती है ।
संग्रहीत से सबसे समान छवि खोजने के सिद्धांत पर ही वर्गीकरण बनाया गया है। सबसे अधिक समान नमूना में वैक्टर की कुल मात्रा के संबंध में कम से कम विचलन के साथ मिलान वैक्टर की सबसे बड़ी संख्या के साथ एक है।

एल्गोरिदम के संचालन की सामान्य योजना:

बहु मंच प्रशिक्षण

इस तथ्य के बावजूद कि एल्गोरिथ्म एक नमूने से कुशलता से काम कर सकता है, कई नमूनों का विश्लेषण करके मान्यता सटीकता को बढ़ाना संभव है। यह डेमो संस्करण में लागू नहीं है, इसलिए मैं इस सुविधा के बारे में बात करूँगा, यह बहुत सरल है। कई नमूनों पर प्रशिक्षण का सिद्धांत अनावश्यक वैक्टर को त्यागना है। अतिरिक्त वे हैं जो वैक्टरों के पारस्परिक रूप से पाए गए क्लस्टर में शामिल नहीं हैं। उदाहरण के लिए, नमूने पर एक छाया हो सकती है जिसे सीमा के रूप में पहचाना जाता है, लेकिन यह अगले नमूने पर नहीं हो सकता है।

इस प्रकार, यदि वेक्टर एक क्लस्टर का हिस्सा है जो सहेजे गए नमूने में पाया जाता है और विश्लेषण किया गया है, तो उसे +1 अंक मिलता है, और यदि नहीं, तो उसे कुछ भी नहीं मिलेगा। कई प्रशिक्षणों के बाद, कम अंक हासिल करने वाले वैक्टर को बचाए गए नमूने से हटा दिया जाता है और अब विश्लेषण के लिए उपयोग नहीं किया जाता है।

आप एक दृश्य संपादक भी बना सकते हैं जो आपको पहले प्रशिक्षण के बाद फ्रेम से अवांछित वैक्टर को हटाने की अनुमति देता है।

क्या इस्तेमाल किया जा सकता है

ईमानदारी से, मैंने अपने सभी प्रयासों को एल्गोरिथ्म पर ही केंद्रित किया। हालांकि कब से है मैं व्यापार समाधान और उत्पादन के स्वचालन के वातावरण के साथ काम करता हूं, फिर एक आवेदन मैं देखता हूं - गोदामों और उत्पादन लाइनों में उत्पाद मान्यता - यहां कोई बड़ा डेटासेट नहीं हैं - फिर नमूना को 1 बार दिखाया जाना चाहिए और फिर पहचाना जाना चाहिए। केवल बारकोड के बिना एक बारकोड बाइंडिंग के रूप में। लेकिन सामान्य तौर पर, एप्लिकेशन किसी अन्य मान्यता एल्गोरिथ्म के समान है। एप्लिकेशन एल्गोरिथ्म की क्षमताओं और सीमाओं के कारण है।

परीक्षण आवेदन

एप्लिकेशन 100 * 100 पिक्सेल के मैट्रिक्स के साथ काम करता है, इस आकार के एक मोनोक्रोम मैट्रिक्स में छवि को परिवर्तित करता है। एल्गोरिथ्म इस बात पर ध्यान नहीं देता है कि नमूना किस कोण पर है और उसके आयाम कुछ सीमा के भीतर भी हैं।

बाईं ओर, वर्तमान छवि के महत्वपूर्ण क्षेत्रों को हाइलाइट करने और उसमें (हरे) मिलान वाले वैक्टर को दिखाया गया है, और दाईं ओर पाए गए वैक्टर की संरचना को दर्शाया गया है और सबसे अधिक बचाए गए और इसी तरह के वैक्टर को बचाए गए ढांचे पर लाल रंग में हाइलाइट किया गया है। इस प्रकार, लाल और हरे रंग की हाइलाइटेड वेक्टर संरचनाएं जो एल्गोरिथम समान मानता है।

आप कई नमूने सहेज सकते हैं। और एक नई छवि दिखाते हुए, एल्गोरिथ्म सबसे उपयुक्त मिलेगा और समान भागों को दिखाएगा।