कंप्यूटर विज़न
कंप्यूटर विज़न - AI कैसे दुनिया देखना सीखता है
आप एक फ़ोटो पर नज़र डालते हैं और तुरंत जान जाते हैं कि उसमें समुद्र तट पर एक कुत्ता है। कंप्यूटर के लिए वही छवि संख्याओं की एक विशाल ग्रिड से ज़्यादा कुछ नहीं है। कंप्यूटर विज़न AI की वह शाखा है जो मशीनों को उन संख्याओं से अर्थ निकालना सिखाती है - और यह पहले से ही आपके आस-पास के उद्योगों को नया रूप दे रही है।
कंप्यूटर कैसे "देखते" हैं
जब आप किसी तस्वीर को देखते हैं, तो आपका मस्तिष्क तुरंत आकृतियों, रंगों और गहराई को पहचान लेता है। कंप्यूटर के पास ऐसी कोई सहज बुद्धि नहीं होती। इसके बजाय, वह कच्ची संख्याओं के साथ काम करता है।
एक डिजिटल छवि पिक्सेल की एक ग्रिड होती है। प्रत्येक पिक्सेल रंग मान संग्रहीत करता है - आमतौर पर तीन चैनल: लाल, हरा और नीला (RGB)। एक 1920 × 1080 HD छवि में बीस लाख से अधिक पिक्सेल होते हैं, प्रत्येक में 0 से 255 तक के तीन मान होते हैं। इन्हें गुणा करें तो एक ही फ़्रेम में लाखों संख्याएँ होती हैं।
रिज़ॉल्यूशन यह निर्धारित करता है कि ग्रिड कितना विवरण कैप्चर करती है। उच्च रिज़ॉल्यूशन का अर्थ है अधिक पिक्सेल और समृद्ध विवरण - लेकिन AI को प्रोसेस करने के लिए कहीं अधिक डेटा भी। एक 4K छवि में HD से चार गुना पिक्सेल होते हैं, जिसका मतलब है चार गुना कम्प्यूटेशनल लागत।
ग्रेस्केल छवियों में केवल एक चैनल (चमक) होता है, जबकि कुछ विशेष प्रारूपों में - जैसे उपग्रह चित्र या चिकित्सा स्कैन - दर्जनों चैनल हो सकते हैं जो मानव आँख के लिए अदृश्य तरंगदैर्ध्य को कैप्चर करते हैं।
मानव आँख लगभग 1 करोड़ रंगों में अंतर कर सकती है। एक मानक 8-बिट RGB छवि 1 करोड़ 67 लाख से अधिक अद्वितीय रंग संयोजनों का प्रतिनिधित्व कर सकती है - जो हम वास्तव में देख सकते हैं उससे कहीं अधिक!
कन्वोल्यूशनल न्यूरल नेटवर्क (CNNs)
कंप्यूटर विज़न के शुरुआती प्रयास हाथ से बनाए गए नियमों पर निर्भर थे - "यहाँ किनारे खोजो, वहाँ इस टेम्पलेट से मिलान करो।" ये भंगुर दृष्टिकोण जब भी दृश्य बदलता तो विफल हो जाते। आधुनिक प्रणालियाँ कन्वोल्यूशनल न्यूरल नेटवर्क (CNNs) का उपयोग करती हैं, जो हज़ारों लेबल किए गए उदाहरणों से अपने नियम स्वयं सीखते हैं।
CNN को पैटर्न डिटेक्टरों की एक असेंबली लाइन की तरह सोचें, जहाँ प्रत्येक परत पिछली परत पर निर्मित होती है:
- कन्वोल्यूशनल परतें छवि पर छोटे फ़िल्टर स्लाइड करती हैं, जो किनारों, कोनों और बनावटों जैसे सरल पैटर्न का पता लगाती हैं।
- पूलिंग परतें डेटा को सिकोड़ती हैं, केवल सबसे महत्वपूर्ण सिग्नल रखती हैं और अनावश्यक विवरण हटाती हैं।
- गहरी कन्वोल्यूशनल परतें उन सरल पैटर्नों को अधिक जटिल विशेषताओं में जोड़ती हैं - आँखें, पहिये, अक्षर।
Discussion
Sign in to join the discussion