रूसी वैज्ञानिकों द्वारा विकसित एक तंत्रिका नेटवर्क ने वीडियो से उच्च सटीकता के साथ उम्र का निर्धारण करना सीखा है

एक आधिकारिक वैज्ञानिक प्रकाशन जर्नल ऑफ फिजिक्स ने एक लेख प्रकाशित किया जो तंत्रिका नेटवर्क के निर्माण पर काम के परिणामों का वर्णन करता है जो किसी व्यक्ति की आयु और लिंग को निर्धारित करता है।

सवाल करने वाले डेवलपर्स ने आंद्रेई सवेंको के नेतृत्व में हायर स्कूल ऑफ इकोनॉमिक्स में अपनी परियोजना को लागू किया। टीम ने वीडियो से मानव डेटा का विश्लेषण करने के लिए एक नई विधि का प्रस्ताव किया, यह विधि तंत्रिका नेटवर्क के काम का आधार है, जो कि दोषपूर्ण लोगों के वर्ग से संबंधित है ।

विधि में ही वीडियो के फ्रेम-बाय-फ्रेम विश्लेषण शामिल हैं, जिसमें किसी व्यक्ति के व्यक्तिगत फ्रेम पर जोर दिया गया है। आगे का विश्लेषण दो दिशाओं में जाता है। पहला आपको किसी व्यक्ति की औसत आयु निर्धारित करने की अनुमति देता है, दूसरा - उसका लिंग। हमेशा की तरह, तंत्रिका नेटवर्क को मूल रूप से प्रशिक्षित किया गया था, वीडियो बेस, जिसमें मुख्य प्रशिक्षण के रूप में कार्य किया गया था, में 1165 वीडियो शामिल हैं।

लेखकों का संकेत है कि उनका तंत्रिका नेटवर्क लगभग 71%, लिंग - 88% की सटीकता के साथ किसी व्यक्ति की आयु निर्धारित कर सकता है। लेखक एंड्रॉइड के लिए एक मोबाइल एप्लिकेशन बनाने के लिए अपने विकास का उपयोग करने की योजना बनाते हैं।

विकास नवाचार यह है कि तंत्रिका नेटवर्क को वीडियो के साथ काम करना सिखाया गया था। छवियों के लिए, तंत्रिका नेटवर्क लंबे समय से किसी व्यक्ति की उम्र और लिंग का निर्धारण करने में सक्षम हैं - और इस मामले में प्रणालियों की सटीकता काफी अधिक है। लेकिन अगर आपको वीडियो के साथ काम करने की आवश्यकता है, तो कार्य जटिल है, क्योंकि किसी व्यक्ति के साथ एक स्पष्ट फ्रेम का चयन करना इतना सरल नहीं है जहां उसका चेहरा स्पष्ट रूप से देखा जा सकता है।

मानक योजना किसी व्यक्ति की आयु का अनुमान 0 से 100 वर्ष तक का उपयोग करती है, फिर संपूर्ण आयु के पैमाने का विश्लेषण करती है, इस संभावना का संकेत देती है कि छवि में कोई व्यक्ति वास्तव में इतने साल पुराना है। उदाहरण के लिए, 25-30 वर्ष के आयु वर्ग के उनके होने की संभावना 10%, 30-35 - 35% है, और कहते हैं, 50-55 वर्ष की उम्र - 60%।



एल्गोरिथ्म को पायथन 3.6 के साथ Pycharm IDE के आधार पर लागू किया गया है। ऐसे तंत्रिका नेटवर्क के कई संसाधनों की आवश्यकता नहीं है - इंटेल कोर i5-2400 CPU, NVIDIA GeForce GT 440 ग्राफिक्स कार्ड और 64-बिट विंडोज 7 के साथ एक नियमित डेस्कटॉप पीसी पर परीक्षण किए गए थे। इसके अलावा, सिस्टम का परीक्षण Android ओएस (Android संस्करण) के साथ एक मोबाइल डिवाइस पर किया गया था। और मोबाइल डिवाइस की विशेषताओं को इंगित नहीं किया गया है)।


इरादा Android अनुप्रयोग GUI

मोबाइल एप्लिकेशन के लिए, इसका मुख्य तत्व एक वीडियो प्रदर्शन (कैमरे से कब्जा) के साथ एक खिड़की है। तंत्रिका नेटवर्क व्यक्तिगत फ्रेम का विश्लेषण करता है और व्यक्ति की उम्र और लिंग को इंगित करने की कोशिश करता है।

डेवलपर्स के अनुसार, किसी व्यक्ति की विभिन्न विशेषताओं को उसकी उम्र और लिंग सहित पहचानने में मुख्य समस्या यह है कि इस कार्य में विशेषज्ञता वाले तंत्रिका नेटवर्क का प्रशिक्षण बहुत सीमित है। वीडियो और छवियों के डेटाबेस अपेक्षाकृत छोटे हैं, और फिर भी सभी लोग बहुत अलग हैं, जिसमें समान लिंग और आयु वर्ग के प्रतिनिधि शामिल हैं।

दिलचस्प बात यह है कि इस डेटाबेस के आधार पर, जिसमें से तंत्रिका नेटवर्क को लेख से प्रशिक्षित किया गया था, यह है कि सभी वीडियो भारतीय फिल्मों से काटे गए थे। कुल मिलाकर, डेटाबेस में 34,512 फ्रेम के साथ 322 अलग-अलग वीडियो थे। वीडियो में सैकड़ों भारतीय अभिनेताओं के दृश्य थे। सुविधा के लिए, उन्हें 4 आयु वर्गों में विभाजित किया गया था: "बच्चे", "युवा", "मध्य युग", "बुजुर्ग"। समयावधि के लिए, यह 1-12 साल पुराना है, 13-30, 31-50, 50+।

तंत्रिका नेटवर्क किसी व्यक्ति के लिंग या उम्र को न केवल किसी व्यक्ति या शरीर की तस्वीरों या वीडियो से निर्धारित कर सकते हैं। उदाहरण के लिए, Google और Verily द्वारा निर्मित एक तंत्रिका नेटवर्क ने न केवल संकेतित विशेषताओं को पहचानना सीखा , बल्कि औसत रक्त शर्करा HbA1c, BMI, धमनी सिस्टोलिक दबाव SBP, धमनी डायस्टोलिक दबाव DBP। और सिस्टम इंगित करता है कि कोई व्यक्ति धूम्रपान करता है या नहीं। और यह सब - फंडस के अनुसार।



इस तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए, डेवलपर्स ने छवि डेटाबेस का उपयोग किया, जिसमें लगभग 300,000 तस्वीरें थीं। आईएपीएसीएस और यूके बायोबैंक द्वारा दी गई जानकारी। डॉक्टरों के अनुसार, निदान के लिए एक नया दृष्टिकोण डॉक्टरों को जल्दी से निदान करने में मदद कर सकता है। एआई न केवल तेजी ला सकता है, बल्कि डायग्नोस्टिक्स की सटीकता भी बढ़ा सकता है। डॉक्टरों को बस इस सहायता की आवश्यकता होती है, क्योंकि एक मानव चिकित्सक हमेशा जल्दी और कुशलता से काम करने में सक्षम नहीं होता है, खासकर काम के दिन के अंत में। नतीजतन, निदान की सटीकता और उपचार के निर्धारित पाठ्यक्रम की शुद्धता भुगतना पड़ता है।