DyMC-YOLO: डुअल-स्ट्रीम फ्यूजन रियल-टाइम डिटेक्शन को 46 FPS तक कैसे बढ़ाता है

ऑब्जेक्ट डिटेक्शन इंटेलिजेंट विज़ुअल परसेप्शन की एक मूलभूत नींव है। यह ऑटोनॉमस ड्राइविंग, सुरक्षा निगरानी और सटीक कृषि में महत्वपूर्ण प्रगति को सक्षम बनाता है। पारंपरिक विज़िबल स्पेक्ट्रम डिटेक्टर कम रोशनी, चमक या भारी अवरोध जैसी खराब स्थितियों में अक्सर असफल हो जाते हैं। शोधकर्ताओं ने अब DyMC-YOLO पेश किया है। यह RGB और इनफ्रारेड डेटा को जोड़कर विभिन्न वातावरणों में प्रदर्शन सुधारने वाला एक नया डुअल-स्ट्रीम डिटेक्टर है।

DyMC-YOLO YOLOv13 आर्किटेक्चर पर आधारित है। इसकी चुनिंदा वजह सटीकता और रियल-टाइम दक्षता का संतुलन है। सिस्टम RGB और इनफ्रारेड इनपुट के लिए सममित लेकिन स्वतंत्र पैरामीटर वाले बैकबोन ब्रांच्स का उपयोग करता है। कॉम्प्लिमेंटरी मैस्क-गाइडेड फीचर फ्यूजन मोड्यूल इसका मुख्य नवाचार है। यह तीन सेमैंटिक स्तरों पर चैनल संरक्षित स्पेशियल वेटिंग करता है। पिछली विधियां अक्सर फीचर चौड़ाई को दोगुना करती थीं या जटिल प्रोजेक्शन की मांग करती थीं। यह मोड्यूल एक ही कॉम्प्लिमेंटरी स्पेशियल मैस्क जनरेट करता है। यह छवि सामग्री के आधार पर मोडैलिटीज को एडाप्टिवली वेट करता है।

यह दृष्टिकोण लेट-स्टेज ब्लॉक्स में आइडेंटिटी मैपिंग के माध्यम से सीधे फीचर ट्रांसमिशन पथ को बनाए रखता है। मॉडल में डायनामिक मल्टी-पाथ डिटेक्शन हेड भी शामिल है। यह घटक फिक्स्ड प्रिडिक्शन स्ट्रक्चर्स को हटाकर टास्क-स्पेसिफिक डायनामिक रूटिंग ब्लॉक्स से बदल देता है। हर सैंपल के लिए हेड शॉर्ट-रेnge, मिड-रेnge और लॉन्ग-रेnge प्रिडिक्शन पथ को सैंपल-कंडीश्ड गुणांकों के साथ जोड़ता है। यह नेटवर्क को रिग्रेशन और क्लासिफिकेशन कार्यों के लिए अपने रिसेप्टिव फील्ड को डायनामिक रूप से समायोजित करने की अनुमति देता है। इससे लोकलाइजेशन और संदर्भ समझ में सुधार होता है। गणनात्मक विलंबता में उल्लेखनीय वृद्धि के बिना।

M3FD ट्रैफिक डेटासेट और स्वयं निर्मित RGB-NIR अंगूर डेटासेट पर मूल्यांकन ने बेहतर सटीकता-दक्षता व्यापार को दिखाया। M3FD पर मॉडल ने 51.73% की औसत सटीकता हासिल की। इसने अन्य लाइटवेट YOLO-आधारित फ्यूजन विधियों को पीछे छोड़ दिया। मॉडल में लगभग 8 मिलियन पैरामीटर का कॉम्पैक्ट फुटप्रिंट था। कृषि अंगूर डेटासेट पर इसे 83.06% mAP प्राप्त हुआ। यह भरे हुए और कम रोशनी वाले दृश्यों में मजबूती का प्रदर्शन करता है।

मॉडल ने क्रॉस-मोडल मिस् регिस्ट्रेशन और मिसिंग मोडैलिटी परिदृश्यों के प्रति मजबूत प्रतिरोध दिखाया। नियंत्रित विक्षोभ के दौरान भी उच्च निरंतर डिटेक्शन सटीकता बनी रही। लगभग 46 FPS की इनफरेंस स्पीड और कम मेमोरी उपभोग के साथ DyMC-YOLO न्यूरल प्रोसेसिंग यूनिट्स पर एज डिप्लॉयमेंट के लिए एक योग्य समाधान प्रस्तुत करता है। हियरार्कल फीचर फ्यूजन और डायनामिक प्रिडिक्शन पाथवेज का प्रभावी संयोजन मुश्किल विज़ुअल स्थितियों में विश्वसनीय रियल-टाइम मल्टीमोडल ऑब्जेक्ट डिटेक्शन के लिए एक नया मानक स्थापित करता है।