മെഷീൻ ലേണിംഗിലെ ഒബ്ജക്റ്റ് തിരിച്ചറിയൽ പ്രശ്നം പരിഹരിക്കുന്നതിന് ഗവേഷകർ ഡാറ്റാസെറ്റ് സൃഷ്ടിക്കുന്നു
എപ്പോഴാണ് ഒരു ആപ്പിൾ ആപ്പിൾ അല്ലാത്തത്? നിങ്ങൾ ഒരു കമ്പ്യൂട്ടറാണെങ്കിൽ, ഉത്തരം അത് പകുതിയായി മുറിക്കുമ്പോൾ എന്നതാണ്.
കഴിഞ്ഞ കുറച്ച് വർഷങ്ങളായി കമ്പ്യൂട്ടർ കാഴ്ചയിൽ ഗണ്യമായ പുരോഗതി കൈവരിച്ചിട്ടുണ്ടെങ്കിലും, ആകൃതി മാറുമ്പോൾ വസ്തുക്കളെ തിരിച്ചറിയാൻ ഒരു കമ്പ്യൂട്ടറിനെ പഠിപ്പിക്കുന്നത് ഈ മേഖലയിൽ, പ്രത്യേകിച്ച് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റങ്ങളിൽ അവ്യക്തമായി തുടരുന്നു. ഇപ്പോൾ, മേരിലാൻഡ് സർവകലാശാലയിലെ കമ്പ്യൂട്ടർ സയൻസ് ഗവേഷകർ നമ്മൾ ദിവസവും മാറ്റുന്ന വസ്തുക്കൾ ഉപയോഗിച്ച് പ്രശ്നം കൈകാര്യം ചെയ്യുന്നു പഴങ്ങളും പച്ചക്കറികളും.
അവരുടെ ഉൽപ്പന്നം ചോപ്പ് & ലേൺ ആണ്, ഇത് മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങളെ വിവിധ രൂപങ്ങളിൽ ഉൽപ്പന്നങ്ങൾ തിരിച്ചറിയാൻ പഠിപ്പിക്കുന്ന ഒരു ഡാറ്റാസെറ്റാണ് – അത് തൊലി കളയുകയോ മുറിക്കുകയോ കഷണങ്ങളായി മുറിക്കുകയോ ചെയ്യുമ്പോൾ പോലും.
ഈ മാസം ആദ്യം പാരീസിൽ നടന്ന 2023 ഇന്റർനാഷണൽ കോൺഫറൻസ് ഓൺ കമ്പ്യൂട്ടർ വിഷനിൽ ഈ പ്രോജക്റ്റ് അവതരിപ്പിച്ചിരുന്നു.
“ഒരു പഴവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അരിഞ്ഞ ആപ്പിൾ അല്ലെങ്കിൽ ഓറഞ്ച് എങ്ങനെ കാണപ്പെടുമെന്ന് നിങ്ങൾക്കും എനിക്കും ഭാവനയിൽ കാണാൻ കഴിയും, പക്ഷേ മെഷീൻ ലേണിംഗ് മോഡലുകൾക്ക് അത് എങ്ങനെ വ്യാഖ്യാനിക്കാമെന്ന് പഠിക്കാൻ ധാരാളം ഡാറ്റ ആവശ്യമാണ്,” അഞ്ചാം വർഷ കമ്പ്യൂട്ടർ സയൻസ് ഡോക്ടറൽ വിദ്യാർത്ഥിയും പ്രബന്ധത്തിന്റെ പ്രധാന രചയിതാവുമായ നിരത് സൈനി പറഞ്ഞു. “മനുഷ്യർ ചെയ്യുന്നതുപോലെ അദൃശ്യമായ സാഹചര്യങ്ങളെ സങ്കൽപ്പിക്കാൻ കമ്പ്യൂട്ടറിനെ സഹായിക്കുന്ന ഒരു രീതി ഞങ്ങൾ കൊണ്ടുവരേണ്ടതുണ്ട്.”
ഡാറ്റാസെറ്റുകൾ വികസിപ്പിക്കുന്നതിനായി സൈനിയും സഹ കമ്പ്യൂട്ടർ സയൻസ് ഡോക്ടറൽ വിദ്യാർത്ഥികളായ ഹന്യു വാങ്, അർച്ചന സ്വാമിനാഥൻ എന്നിവർ നാല് കോണുകളിൽ സ്ഥാപിച്ച വീഡിയോ ക്യാമറകൾ ഉപയോഗിച്ച് ഏഴ് ശൈലികളിലായി 20 തരം പഴങ്ങളും പച്ചക്കറികളും മുറിക്കുന്നത് ചിത്രീകരിച്ചു.
സമഗ്രമായ ഡാറ്റാ സെറ്റിന് വൈവിധ്യമാർന്ന കോണുകൾ, ആളുകൾ, ഭക്ഷണം തയ്യാറാക്കുന്ന ശൈലികൾ എന്നിവ ആവശ്യമാണെന്ന് സൈനി പറഞ്ഞു.
“അരിയുന്നതിനുമുമ്പ് ആരെങ്കിലും അവരുടെ ആപ്പിൾ അല്ലെങ്കിൽ ഉരുളക്കിഴങ്ങ് തൊലി കളയാം, മറ്റുള്ളവർ അങ്ങനെ ചെയ്യുന്നില്ല. കമ്പ്യൂട്ടർ അത് വ്യത്യസ്തമായി തിരിച്ചറിയാൻ പോകുന്നു, “അവർ പറഞ്ഞു.
സൈനി, വാങ്, സ്വാമിനാഥൻ എന്നിവരെ കൂടാതെ കമ്പ്യൂട്ടർ സയൻസ് ഡോക്ടറൽ വിദ്യാർത്ഥികളായ വിനോജ് ജയസുന്ദര, ബോ ഹി എന്നിവരും ചോപ്പ് ആൻഡ് ലേൺ ടീമിലുണ്ട്. കമൽ ഗുപ്ത പിഎച്ച്ഡി ’23, ഇപ്പോൾ ടെസ്ല ഒപ്റ്റിമസിൽ; അവരുടെ ഉപദേഷ്ടാവും കമ്പ്യൂട്ടർ സയൻസ് അസിസ്റ്റന്റ് പ്രൊഫസറുമായ അഭിനവ് ശ്രീവാസ്തവയും.
“വ്യത്യസ്ത പരിവർത്തനങ്ങൾക്ക് വിധേയമാകുന്നതിനാൽ വസ്തുക്കളെ തിരിച്ചറിയാൻ കഴിയുന്നത് ദീർഘകാല വീഡിയോ മനസ്സിലാക്കൽ സംവിധാനങ്ങൾ നിർമ്മിക്കുന്നതിന് നിർണായകമാണ്,” മേരിലാൻഡ് ഇൻസ്റ്റിറ്റ്യൂട്ട് ഫോർ അഡ്വാൻസ്ഡ് കമ്പ്യൂട്ടർ സ്റ്റഡീസിൽ നിയമനം നേടിയ ശ്രീവാസ്തവ പറഞ്ഞു. “ഞങ്ങളുടെ ഡാറ്റാസെറ്റ് ഈ പ്രശ്നത്തിന്റെ അടിസ്ഥാന കാതലിൽ യഥാർത്ഥ പുരോഗതി കൈവരിക്കുന്നതിനുള്ള ഒരു നല്ല തുടക്കമാണെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു.”
ഹ്രസ്വകാലത്തേക്ക്, 3 ഡി പുനർനിർമ്മാണം, വീഡിയോ ജനറേഷൻ, ദീർഘകാല വീഡിയോയുടെ സംഗ്രഹം, പാർസിംഗ് തുടങ്ങിയ ഇമേജ്, വീഡിയോ ടാസ്ക്കുകളുടെ പുരോഗതിക്ക് ചോപ്പ് & ലേൺ ഡാറ്റാസെറ്റ് സംഭാവന ചെയ്യുമെന്ന് ശ്രീവാസ്തവ പറഞ്ഞു.
ഈ മുന്നേറ്റങ്ങൾ ഒരു ദിവസം ഡ്രൈവറില്ലാ വാഹനങ്ങളിലെ സുരക്ഷാ സവിശേഷതകൾ അല്ലെങ്കിൽ പൊതു സുരക്ഷാ ഭീഷണികൾ തിരിച്ചറിയാൻ ഉദ്യോഗസ്ഥരെ സഹായിക്കുന്നത് പോലുള്ള ആപ്ലിക്കേഷനുകളിൽ വിശാലമായ സ്വാധീനം ചെലുത്തുമെന്ന് അദ്ദേഹം പറഞ്ഞു.
ഇത് ഉടനടി ലക്ഷ്യമല്ലെങ്കിലും, നിങ്ങളുടെ അടുക്കളയിൽ ഉൽപ്പന്നങ്ങൾ ആരോഗ്യകരമായ ഭക്ഷണമാക്കി മാറ്റാൻ കഴിയുന്ന ഒരു റോബോട്ടിക് ഷെഫിന്റെ വികസനത്തിന് ചോപ്പ് & ലേണിന് സംഭാവന നൽകാൻ കഴിയുമെന്ന് ശ്രീവാസ്തവ പറഞ്ഞു.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
