makine öğrenimi
Diyojen gündüz vakti dürüst bir adam aramak için elinde bir fenerle gezerken yalnızca optik algılama yöntemlerine güvenmiştir. Ancak günümüzde bilim insanları bu amaçla Wi-Fi sinyallerinin kullanılmasını önermektedir. Daha spesifik olmak gerekirse, Carnegie Mellon Üniversitesi’ndeki üç araştırmacı tarafından geliştirilen yöntem, sıradan bir ev Wi-Fi yönlendiricisinden gelen sinyali kullanarak bir kişinin yalnızca bir odadaki konumunu değil, aynı zamanda duruş pozisyonunu da tespit ediyor.
Neden Wi-Fi? Bunun birkaç nedeni vardır. İlk olarak, optik algılamanın aksine, radyo sinyalleri karanlıkta mükemmel çalışır ve mobilya gibi küçük engeller tarafından engellenmez. İkincisi ucuz olması, zira potansiyel olarak bu işi yapabilecek diğer araçlar olan lidar ve radarların pek de ucuz oldukları söylenemez. Üçüncüsü, Wi-Fi’ın zaten her yerde olmasıdır, tek yapılması gereken o ağa erişip yakalayabilmektir. Peki bu yöntem ne kadar etkili ve bunu kullanarak neler yapabilirsiniz? Hadi biraz daha yakından bakalım.
DensePose: Görüntülerdeki insan pozlarını algılamak için bir yöntem
Başlamak için biraz geriye gitmemiz lazım. Öncelikle insan vücudunun ve genel olarak pozlarının nasıl doğru bir şekilde algılanabileceğini anlamamız gerekir bu da bizi 2018 yılında başka bir grup bilim insanının sunduğu DensePose adlı yönteme götürür. Bilim adamlarının fotoğraflardaki insan pozlarını algılamak, yani derinlik için ek veri içermeyen iki boyutlu görüntüler elde etmek için başarıyla kullandıkları bu yöntem şöyle çalışır: İlk olarak, DensePose modeli görüntülerde insan vücudu olarak algılanan nesneleri arar. Bu nesneler daha sonra her biri belirli bir vücut bölümüne karşılık gelen farklı alanlara ayrılarak tek tek analiz edilir. Bu yaklaşımın sebebi vücut parçaları birbirinden çok farklı hareket etmesidir; örneğin baş ve gövde, kollar ve bacaklardan çok farklı davranır.
DensePose, fotoğraflardaki insan bedenlerinin pozlarını doğru bir şekilde algılayabiliyor ve hatta yüzeylerinin UV haritalarını oluşturabiliyor. Kaynak
Sonuç olarak model, 2D bir görüntüyü insan vücudunun 3D yüzeyiyle ilişkilendirmeyi öğrenerek yalnızca algılanan poza karşılık gelen görüntü ek açıklamalarını değil, aynı zamanda fotoğrafta tasvir edilen vücudun UV haritasını da elde etmiştir. Bu ikinci özellik, görüntünün üzerine ekstra bir doku yerleştirmeyi de mümkün kılar.
En etkileyici olanı ise; bu tekniğin grup fotoğraflarındaki birden fazla kişinin pozlarını, hatta insanların bir araya toplandığı ve birbirlerini kısmen engellediği kaotik “mezuniyet balosu” fotoğraflarını bile doğru bir şekilde algılayabilmesidir.
DensePose, grup fotoğraflarındaki bireysel figürlerin konumlarını doğru bir şekilde algılıyor.Kaynak
Dahası, makalede sunulan görüntülere ve araştırmacılar tarafından yayınlanan videolara inanılacak olursa, sistem en sıra dışı vücut pozisyonlarını bile rahatlıkla algılayabilir. Örneğin bu yapay sinir ağı; bisiklet, motosiklet ve at sırtındaki insanları doğru bir şekilde algılayabilir ve ayrıca beyzbol oyuncularının, futbolcuların ve hatta genellikle öngörülemeyen şekillerde hareket eden break dansçıların pozlarını dahi doğru bir şekilde belirleyebilir.
DensePose modeli son derece sıra dışı pozlar için bile iyi çalışıyor. Kaynak
DensePose’un bir diğer avantajı da çalışmak için olağanüstü bir bilgi işlem gücü gerektirmemesidir. DensePose, GeForce GTX 1080 kullanarak (çalışmanın yayınlandığı tarihte bile pek üst düzey bir grafik kartı sayılmazdı) 240×320 çözünürlükte saniyede 20-26 kare ve 800×1100 çözünürlükte saniyede beş kareye kadar görüntü yakalayabilir.
Wi-Fi üzerinden DensePose: Fotoğraf yerine radyo dalgaları
Temel olarak Carnegie Mellon araştırmacılarının fikri, mevcut yüksek performanslı vücut algılama yapay zeka modeli DensePose’u kullanmak, ancak onu fotoğraf yerine Wi-Fi sinyalleriyle beslemekti.
Deney için şöyle bir düzenek kurdular:
- Her biri üç antenle donatılmış ve biri verici diğeri ise alıcı olarak görev yapan standart TP-Link ev yönlendiricilerine sahip iki stant.
- Bu stantlar arasında konumlandırılmış bir algılama sahnesi.
- Alıcı yönlendiricinin yanındaki bir standa monte edilen ve araştırmacıların Wi-Fi sinyallerini kullanarak algılamayı amaçladıkları aynı sahneyi yakalayacak olan bir kamera.
Wi-Fi kullanarak insan pozlarını algılamaya yönelik test tezgahının genel diyagramı. Kaynak
Ardından, alıcı yönlendiricinin yanına yerleştirilen kamerayı kullanarak vücut konumlarını belirleyen DensePose’u çalıştırdılar ve alıcı yönlendiriciden gelen Wi-Fi sinyaliyle çalışan başka bir sinir ağını eğitmekle görevlendirdiler. Bu sinyal önceden işlenmiş ve daha güvenilir algılama için değiştirilmiştir ancak bunlar küçük ayrıntılardır. Önemli olan nokta, araştırmacıların gerçekten de Wi-Fi sinyallerini kullanarak insan bedenlerinin uzamsal konumlarını doğru bir şekilde yeniden yapılandıran yeni bir Wi-Fi-DensePose modeli oluşturabilmiş olmalarıdır.
Model, iyi koşullarda insan pozlarını çok iyi algılayabiliyor. Kaynak
Yöntemin sınırlamaları
Ancak, henüz “Bilim İnsanları Wi-Fi Kullanarak Duvarların İçini Görmeyi Öğrendi” gibi başlıklar atmak için acele etmeyelim. Her şeyden önce, buradaki “görme” oldukça soyuttur. Model aslında insan vücudunu “görmez”, ancak dolaylı verilere dayanarak belirli bir olasılıkla yerini ve duruş pozisyonunu tahmin edebilir.
Wi-Fi sinyallerini kullanarak herhangi bir şeyi en ince ayrıntısına kadar görselleştirmek karmaşık bir iştir. Bu durum, araştırmacıların insan bedeninden çok daha basit nesnelerle deneyler yaptığı benzer bir başka çalışmada da ortaya konmuştur ve sonuçlar, en hafif tabirle, ideal olmaktan uzaktır.
Wi-Fi sinyali kullanarak nesneleri görselleştirme: kenarlar ne kadar az belirgin olursa, o kadar kötü olur. Kaynak
Carnegie Mellon Üniversitesi araştırmacıları tarafından oluşturulan modelin, fotoğraflardaki pozları algılamaya yönelik orijinal yöntemden önemli ölçüde daha az doğru sonuçlar verdiğini ve ayrıca oldukça ciddi “halüsinasyonlar” sergilediğini de belirtmek gerekir. Model, alışılmadık pozlarda veya ikiden fazla kişinin yer aldığı sahnelerde özellikle zorlanmaktadır.
Wi-Fi-DensePose modeli, standart olmayan pozları veya çok sayıda insan vücudunu tek bir sahnede ele alma konusunda iyi bir iş çıkarmıyor. Kaynak
Buna ek olarak, çalışmadaki test koşulları; basit, iyi algılanmış bir geometri, verici ve alıcı arasında net bir görüş hattı, minimum radyo sinyali paraziti vb. titizlikle kontrol edildi. Kısacası araştırmacılar her şeyi sahneye radyo dalgalarıyla kolayca “nüfuz edebilecekleri” şekilde ayarladılar. Bu ideal senaryonun gerçek dünyada tekrarlanması pek mümkün değildir.
Yani birilerinin Wi-Fi yönlendiricinize girip evde yaptıklarınızı izlemesi konusunda endişeleniyorsanız, rahat olun. Evinizde endişelenmeniz gereken bir şey varsa, o da ev aletleridir. Örneğin, akıllı evcil hayvan besleyicileri ve hatta çocuk oyuncakları kameralara, mikrofonlara ve bulut bağlantısına sahipken, robot elektrikli süpürgeler karanlıkta kusursuz çalışan lidarlara ve hareket etme yeteneğine bile sahiptir.
Ve hemen dışarıda, başka bir casus (hem de dört tekerlekli!) sizi bekliyor. Topladıkları bilgi miktarı açısından günümüz otomobilleri akıllı saatlerden, akıllı hoparlörlerden ve diğer günlük cihazlardan kilometrelerce ileridedir.
İpuçları