होमश की अग्रणी सफलताः वीआईटी+आर्कफेस
आइरिस पहचान की सटीकता विश्व के शीर्ष स्तर तक पहुंच गई है
एक समान त्रुटि दर (ईईआर) केवल 0.29% और आरओसी एयूसी सैद्धांतिक सीमा के करीब है
हमने विजन ट्रांसफार्मर के साथ आइरिस पहचान की सीमाओं को फिर से परिभाषित किया है
▲ विजन ट्रांसफॉर्मर ने आइरिस फीचर एक्सट्रैक्शन के अंतर्निहित प्रतिमान को फिर से परिभाषित किया
I. इस बार, यह सिर्फ प्रगति नहीं है, यह एक आदर्श परिवर्तन है
यदि आप एक इंजीनियर से पूछें जो आईरिस पहचान में दो दशकों से काम कर रहा है, "आपने अब तक की सबसे कठिन समस्या क्या है?"
वह शायद एक पल के लिए रुकेगा, फिर कहेगा: "रबर शीट".
जब से जॉन डौगमैन ने 1993 में आइरिस कोड एल्गोरिथ्म का प्रस्ताव दिया है, "रबर शीट अनवॉपिंग" प्रक्रिया दुनिया भर में आइरिस पहचान प्रणाली के डीएनए में उत्कीर्ण एक मंत्र की तरह रही है।आयताकार छवि में परिपत्र आइरिस को खोलना, तो गैबोर फिल्टर का उपयोग कर बनावट निकालने... इस कार्यप्रवाह तीन दशकों के लिए इस्तेमाल किया गया है, और कोई भी यह सवाल नहीं किया।
जब तक हमने इसे फेंकने का फैसला नहीं किया।
II. रबर शीट ने काम करना क्यों बंद कर दिया?
विजन ट्रांसफार्मर (वीआईटी) पिछले तीन वर्षों में गहरी शिक्षा के क्षेत्र में सबसे चकाचौंध करने वाली तकनीकी सफलताओं में से एक है। यह एक छवि को कई 16 × 16 "पैच" में काटता है,छवि की समग्र संरचना को समझने के लिए भाषा मॉडल के आत्म-ध्यान तंत्र का उपयोग करता है, और कई शीर्ष स्तरीय दृश्य कार्यों में वर्षों तक हावी रहे कन्वॉल्यूशनल न्यूरल नेटवर्क (सीएनएन) से बेहतर प्रदर्शन करता है।
जब हमने पहली बार वीआईटी को आइरिस पहचान में लागू करने का प्रयास किया, तो प्रारंभिक परिणाम निराशाजनक थेः समान त्रुटि दर (ईईआर) 4.65% तक थी, जो अपेक्षाओं से बहुत नीचे थी।
टीम ने जल्दी से मूल कारण की पहचान कीः रबर शीट 64 × 512 पिक्सेल की अंगूठी आर्क को एक आयत में "फ्लैट" करता है, जिसे फिर वीआईटी ₹ 3 द्वारा आवश्यक 224 × 224 इनपुट तक स्केल किया जाता है।5 गुना ऊर्ध्वाधर खिंचाव और 2.3x क्षैतिज संपीड़न. आईरिस की प्राकृतिक रेडियल/परिधि बनावट संरचना गंभीर रूप से विकृत थी.यह असंभव बनाने के लिए ViT के पैच ध्यान तंत्र के भीतर अर्थशास्त्र को समझने के लिए.
दूसरे शब्दों में: हम सबसे स्मार्ट मॉडल को गलत तरीके से खिला रहे थे।
समाधान सरल लगता है, फिर भी यह परंपरा को तोड़ने के लिए साहस की आवश्यकता थी रबर शीट को छोड़ दें और आरओआई परिपत्र कटाई पर स्विच करेंः आईरिस के केंद्र के साथ मूल के रूप में,एक वर्ग क्षेत्रफल की फसल (2.5x त्रिज्या) आइरिस की प्राकृतिक स्थानिक समरूपता को संरक्षित करने के लिए, फिर इसे सीधे 224×224 तक आकार में बदल दें और इसे वीआईटी में खिलाएं। इस तरह प्रत्येक 16×16 पैच वास्तविक,बिना विकृत आईरिस बनावट.
III. प्रमुख मीट्रिकः ईईआर = 0.29%, आरओसी एयूसी = 0.9999
इस एकल पूर्व-प्रसंस्करण चरण को बदलने से एक दुनिया का अंतर हुआ:
| समाधान |
ईईआर |
टिप्पणियाँ |
| चरण 1: वीआईटी + रबर शीट |
4.65% |
पारंपरिक कार्यप्रवाह |
| दूसरा दौरः सीएनएन + रबर शीट |
2. 80% |
सीमित सुधार के साथ रीढ़ की हड्डी की प्रतिस्थापन |
| चरण 3: वीआईटी + आरओआई फसल |
~0.12%* |
महत्वपूर्ण सफलता |
| अंतिम संस्करण: वीआईटी-एस/16 + आरओआई + नियमितकरण |
0.29% |
उत्पादन स्तर का समाधान |
* तीसरे दौर के परिणाम कठोर सांख्यिकीय सत्यापन के अधीन नहीं हैं और उनमें आशावादी पूर्वाग्रह है।
अंतिम जारी प्रणाली ViT-S/16 (22.1M पैरामीटर) + ArcFace कोणीय मार्जिन हानि को अपनाती है, जो 8 सार्वजनिक डेटासेट (कुल 4,480 पहचान / 67,704 छवियां) के संलयन पर प्रशिक्षित है।कठोर सांख्यिकीय सत्यापन के बाद, परिणाम इस प्रकार हैं:
●ईईआर = 0.29% (समान त्रुटि दर)
● 95% आत्मविश्वास अंतरालः [0.21%, 0.40%] (200 बूटस्ट्रैप पुनः नमूनाकरण दौर)
● आरओसी एयूसी = 0.9999 (लगभग सही स्कोर)
● औसत वास्तविक जोड़ी समानताः 0.8742 (एक ही व्यक्ति के लिए उच्च स्थिरता)
● धोखेबाज जोड़ी की औसत समानताः 0.0450 (विभिन्न व्यक्तियों के लिए पूर्ण विशेषता पृथक्करण)
● FRR=1% पर, FAR = 0.00% (उच्च सुरक्षा वाले ऑपरेटिंग पॉइंट्स पर शून्य झूठी पहचान)
▲ आरओसी वक्र (एयूसी=0.9999) और वास्तविक/झूठार स्कोर वितरण
IV. प्रशिक्षण डेटाः न केवल विशाल, बल्कि विविध
इस अध्ययन में उद्योग के दो सबसे चुनौतीपूर्ण परिदृश्यों सहित 8 सार्वजनिक डेटा सेटों को मिलाया गया हैः
जुड़वां डेटा (CASIA-Iris-Twins)
200 जोड़े जुड़वा बच्चों से आईरिस डेटा ️ लगभग समान जीन के साथ भी, आईरिस बनावट पूरी तरह से अलग हैं। यह एल्गोरिथ्म की भेदभाव शक्ति को सत्यापित करने के लिए "अंतिम परीक्षण" है।
दृश्य प्रकाश के बिना प्रतिबंधित परिदृश्य (UBIRIS.v2)
518 पहचान 11,000 से अधिक छवियों के साथ, प्राकृतिक प्रकाश व्यवस्था के तहत कैप्चर किया गया, गति धुंधलापन, आउट-फोकस विकृत,और प्रकाश भिन्नताएँ यह वास्तविक दुनिया में तैनाती परिदृश्यों के निकटतम डेटासेट है.
एप्पल सिलिकॉन एम2 अल्ट्रा (मैक स्टूडियो) पर प्रशिक्षण लगभग 12.3 घंटे (90 प्रशिक्षण युग) में पूरा किया गया था,केवल ~ 35ms के एक पीक निष्कर्ष विलंबता के साथ (आरओआई क्रॉपिंग और सुविधा निष्कर्षण सहित).
V. शीर्ष उद्योग कार्य के साथ क्षैतिज तुलना
| विधि |
रीढ़ की हड्डी |
प्रीप्रोसेसिंग |
ईईआर |
| डागमैन आइरिसकोड |
गबोर |
रबर शीट |
~0.10% (नियंत्रित वातावरण) |
| यूनिकनेट (2016) |
सियामी सीएनएन |
रबर शीट |
0.18% |
| आईरिसफॉर्मर (2023) |
वीआईटी-बी/16 |
रबर शीट |
0.22% |
| PolyIRIS (2021) |
बहुआयामी सीएनएन |
रबर शीट |
(एकल डेटासेट) |
| होमश वीआईटी+आर्कफेस (यह रिलीज़) |
वीआईटी-एस/16 |
आरओआई फसल |
0.29% (8 डेटासेट) |
▲ 4.65% से 0.29% ईईआर तकः पुनरावृत्ति के चार दौरों का तकनीकी विकास पथ
VI. अगला कदम
1क्रॉस-डेटासेट स्वतंत्र मूल्यांकन
आईआईटी दिल्ली के डेटासेट पर अंधा परीक्षण वास्तविक दुनिया में सामान्यीकरण क्षमता सत्यापित करने के लिए प्रशिक्षण में शामिल नहीं है।
2.जीवन का पता लगाने का एकीकरण
फ़ोटो प्लेबैक हमलों से बचने के लिए मल्टी-फ्रेम फ्लैश प्रतिक्रिया या बनावट विश्लेषण को मिलाएं और एक पूर्ण एंटी-स्पूफिंग प्रणाली बनाएं।
3मध्यम और लंबी दूरी की आईरिस पहचान
वाणिज्यिक कार्यान्वयन के लिए अगले नीले महासागर के लिए अधिक कैप्चर दूरी के साथ परिदृश्यों तक विस्तार करने के लिए मध्यम दूरी (3 मीटर) डेटा पेश करना।
4.हल्के वजन और किनारे की ओर तैनाती
संसाधन-प्रतिबंधित किनारे उपकरणों (एनपीयू/एफपीजीए) के अनुकूल करने के लिए वीआईटी-एस/16 मॉडल को <5 एम मापदंडों तक डिस्टिल करें।
निष्कर्षः एक तीस साल का अधिवेशन फिर से विचार करने लायक है
डाउगमैन की रबर शीट अपने युग का इष्टतम समाधान थी। लेकिन प्रौद्योगिकी का सार यह है कि जब बेहतर उपकरण उभरते हैं, तो पुराने प्रतिमान को एक तरफ छोड़ देना चाहिए।
विजन ट्रांसफार्मर ने छवि पहचान के अंतर्निहित तर्क को बदल दिया है. प्रयोगों के चार दौर और चार महीने की खोज के माध्यम से,हमने वीआईटी के लिए आईरिस पहचान में अपनी क्षमता को सही ढंग से खोलने का सही तरीका ढूंढ लिया है, लेकिन वीआईटी के लिए अनुकूलित एक नया प्रीप्रोसेसिंग प्रतिमान डिजाइन करने के लिए।
0.29% का ईईआर केवल एक संख्या है, लेकिन एक घोषणा भी हैः
आईरिस पहचान ट्रांसफार्मर युग में प्रवेश किया है, और Homsh स्टार्ट लाइन पर है.
होमश के बारे में
वुहान होमश टेक्नोलॉजी कं, लिमिटेड (HOMSH), जिसकी स्थापना 2011 में हुई थी।दुनिया के कुछ उच्च तकनीक उद्यमों में से एक है जो कोर आईरिस मान्यता एल्गोरिदम और चिप्स के लिए स्वतंत्र बौद्धिक संपदा अधिकार रखता हैइसके कोर फेसलर्सTM एल्गोरिथ्म और कियानक्सिन सीरीज एफपीजीए/एएसआईसी बुद्धिमान चिप्स का आईरिस पहचान के लिए वित्तीय संग्रह, सीमा शुल्क निकासी, सरकारी प्रमाण पत्र जारी करने में व्यापक रूप से उपयोग किया गया है।सैन्य सुरक्षा और अन्य क्षेत्र.
