تا حالا شده فیلم یا عکسی که یه پهپاد تو شب گرفته رو ببینی و تعجب کنی که چطور همه چی تار و تاریکه و تشخیص دادن اشیا واقعاً کار آسونی نیست؟ خب واقعیت اینه که حتی الگوریتمها و مدلهای هوش مصنوعی هم وقتی نور کم باشه، حسابی گیج میشن و نمیتونن درست و حسابی اشیا رو تشخیص بدن و کلی خطا میکنن. دلیلش هم اینه که تو محیطهای کمنور یا شلوغ با نویز زیاد (یعنی تصویرها دونهدونه یا دفرمه میشن)، کیفیت اطلاعات دریافتی کلی پایین میاد و مدلها درست تصویر رو درک نمیکنن.
اما یه خبر خوب: یه تیم اومده و یه مدل هوش مصنوعی جدید طراحی کرده که میتونه همین مشکل رو با یه راه حل جالب حل کنه. قشنگیش اینجاست که برای تشخیص اشیا تو شب، یه شبکه موازی ساخته که همزمان هم تصویر رو روشنتر و قابل فهمتر میکنه، هم اشیا تو تصویر رو شناسایی میکنه. این یعنی دیگه نیازی نیست اول عکس رو با یه مدل دیگه روشن کنیم بعد بدیم به مدل تشخیص – همه چی یه جا انجام میشه، با قدرت!
حالا بیاید یه کم فنیتر بشیم، ولی نترسید، بازم راحت توضیح میدم. تو این روش جدید، یه چیزی به اسم “coevolutionary framework” گذاشتن که یعنی ماژولهای مختلف مدل میتونن تو آموزش با هم حرف بزنن و اطلاعاتشونو به هم بدن (به این میگن “bidirectional gradient propagation pathways”، یعنی ارتباط دوطرفه بین شبکهها برای انتقال پیام آموزش). این باعث میشه سرعت یادگیری و دقت کار مدل کلی بهتر بشه و همزمان هم روشنایی تصویر درست میشه، هم اینکه مدل اجسام رو با جزئیات بیشتر میبینه.
یه بخش مهم این سیستم، یه شبکه به اسم Zero-DCE++ استفاده میکنه. حالا Zero-DCE++ چیه؟ این یه تکنیک جدیده که بلده بدون اینکه لازم باشه کلی عکس قبل و بعدِ اصلاح داشته باشیم، خودش نور عکس رو پخش کنه و هر جایی لازم بود، تصویر رو روشنتر کنه. خلاصه کارش اینه که نور رو باهوشانه تنظیم میکنه.
برای شناسایی اشیا هم از یه مدل معروف به اسم YOLOv5 استفاده کردن. YOLOv5 خیلی سبک و سریع و در عین حال خیلی هم دقیق کار میکنه. (YOLO مخفف You Only Look Once ـه، یعنی مدل فقط یه نگاه به تصویر میندازه و همون موقع اشیا رو پیدا میکنه)
اما قشنگترین قسمت ماجرا اینه که این مدل یه سری بخشهای تقویتی جدید اضافه کرده که بتونه بهتر ویژگیها رو از تصویر استخراج کنه. یکیش ماژولیه به اسم “spatially adaptive feature modulation”؛ که اگه بخوام ساده بگم یعنی مدل بلده هم به جزئیات ریز عکس توجه کنه، هم به کل تصویر و همه اینا رو با هم ترکیب و نسبت به موقعیت اجسام تنظیم کنه. همین باعث میشه هم دور اجسام رو بهتر تشخیص بده، هم نذار نویز مزاحم بشه.
یه بخش دیگه هم دارن به اسم “high- and low-frequency adaptive feature enhancement block”؛ که یعنی این ماژول بلدِ هم اطلاعات کلی تصویر، هم جزئیات ظریف مثل لبه یا گوشه اجسام رو همزمان پردازش و قویتر کنه.
حالا نتیجه چی شد؟ اومدن این روش رو روی دو دیتاست (یعنی مجموعه عکس مخصوص آموزش مدل) بررسی کردن: VisDrone2019 (Night) و Drone Vehicle (Night). دو تا معیار مهم دارن که باهاش کار مدل رو میسنجن: mAP@0.5:0.95 و mAP@0.5. اگه بخوایم بدون وارد شدن به فرمول و محاسبات پیچیده بگیم، اینا یه جورایی نشوندهنده دقت مدل تو تشخیص درست اشیاست.
خلاصه اینکه مدل جدید تونسته نسبت به مدل YOLOv5 ساده، به ترتیب تو دیتاست اول ۳.۱۳ درصد و تو دومی ۳.۱ درصد دقت بالاتر (mAP@0.5:0.95) بگیره. تو معیار دوم هم بهبودها به ترتیب ۶.۳ درصد و ۲ درصد بوده، مخصوصاً تو شرایطی که واقعاً نور کمه و تصویر پرنویزه.
در کل، این مدل موازیِ هوشمند، یه راه خیلی کارآمد و قابل اعتماد برای شناسایی اشیا با پهپاد تو شب و شرایط سخت ساختن. یعنی دیگه لازم نیست نگران باشیم که امشب دوربین پهپاد چیزی رو تشخیص نمیده؛ مدل خودش هم روشنایی رو تنظیم میکنه، هم اشیا رو شکار میکنه، اونم در لحظه و سریع!
منبع: +
