DyMC-YOLO: دوہری سٹریم فیوژن حقیقی وقت کی شناخت کو 46 FPS تک کیسے بہتر بناتا ہے

آبجیکٹ ڈیٹیکشن انٹیلی جنٹ ویژول پرفارمنس کا ایک بنیادی ستون ہے۔ یہ خودکار ڈرائیونگ، سیکیورٹی نگرانی اور درست کھیتی باڑی میں اہم پیشرفت کے لیے طاقت فراہم کرتا ہے۔ تاہم روایتی ڈیٹیکٹرز کم روشنی یا شدید رکاوٹ جیسی خراب حالات میں اکثر ناکام ہو جاتے ہیں۔ محققین نے اب DyMC-YOLO متعارف کرایا ہے جو RGB اور انفراریڈ ڈیٹا کو ملانے سے مختلف ماحول میں کارکردگی بڑھاتا ہے۔

DyMC-YOLO YOLOv13 آرکیٹیکچر پر مبنی ہے جسے درستگی اور حقیقی وقت کی رفتار کے توازن کی وجہ سے منتخب کیا گیا۔ اس نظام میں RGB اور انفراریڈ ان پٹ کے لیے سمیٹرک لیکن آزادانہ پیرامیٹرائزڈ بیکن برانچز استعمال ہوتے ہیں۔ مکمل میسک گائیڈڈ فیچر فیوژن ماڈیول اس کی اہم ایجاد ہے جو تین معنوی سطحوں پر چینل محفوظ اسپیشل وزن دیتا ہے۔ قدیم طریقوں کے برعکس جو فیچر کی چوڑائی دگنی کرتے ہیں یا پیچیدہ پروجیکشنز مانگتے ہیں یہ ماڈیول صرف ایک سپیشل میسک بناتا ہے جو تصویر کے مواد کے مطابق موڈلیٹیز کو وزن دیتا ہے۔

اس طریقہ کار میں لیٹ اسٹیج بلاکس میں آئیڈینٹیٹی میپنگ کے ذریعے براہ راست فیچر ٹرانسمیشن راہیں برقرار رہتی ہیں۔ ماڈل میں ڈائنامک ملٹی پاتھ ڈیٹیکشن ہیڈ بھی شامل ہے۔ یہ حصہ فکسڈ پریڈکشن ساخت کو ٹاسک خاص ڈائنامک روٹنگ بلاکس سے بدل دیتا ہے۔ ہر نمونے کے لیے ہیڈ شارٹ رنج میڈیم رنج اور لانگ رنج پریڈکشن پاتھس کو جمع کرتا ہے۔ اس سے نیٹ ورک ریگریشن اور کلسیفیکیشن ٹاسکس کے لیے اپنی ریسیپٹو فیلڈ کو ڈائنامک انداز میں ایڈجسٹ کر سکتا ہے۔ یہ لوکلائزیشن اور سیاق و سباق کی سمجھ بوجھ کو بہتر بناتا ہے بغیر کسی نمایاں حسابی تاخیر کے۔

M3FD ٹریفک ڈیٹا سیٹ اور خود تیار کردہ RGB-NIR انگور ڈیٹا سیٹ پر جائزے نے بہترین درستگی اور رفتار کا توازن دکھایا۔ M3FD پر ماڈل نے 51.73 فیصد mAP حاصل کیا جو دیگر لائٹ ویٹ YOLO فیوژن طریقوں سے بہتر ہے جبکہ تقریباً 8 ملین پیرامیٹرز کا کم حجم برقرار رکھا۔ زرعی انگور ڈیٹا سیٹ پر اس نے 83.06 فیصد mAP حاصل کیا جو گندگی والی اور کم روشنی والی منظر ناموں میں مضبوطی ظاہر کرتا ہے۔

ماڈل نے کراس موڈل غلط رجسٹریشن اور مفقود موڈلٹی کے سیناریوز کے خلاف مضبوط مزاحمت دکھائی۔ تقریباً 46 FPS کی انفرنس رفتار اور کم میموری استعمال کے ساتھ DyMC-YOLO نیورل پروسیسنگ یونٹس پر ایج ڈپلائمنٹ کے لیے ایک مناسب حل پیش کرتا ہے۔ ہائر آرکیل فیچر فیوژن کو ڈائنامک پریڈکشن پاتھس کے ساتھ مؤثر طریقے سے ملا کر یہ آرکیٹیکچر مشکل ویژول حالات میں قابل اعتماد حقیقی وقت کی ملٹی موڈل آبجیکٹ ڈیٹیکشن کے لیے ایک نیا معیار قائم کرتی ہے۔