फीचर पिरामिड नेटवर्क (FPN) एक तंत्रिका नेटवर्क वास्तुकला है जिसे वस्तु पहचान और अन्य कंप्यूटर विज़न कार्यों के लिए बहु-पैमाने की फीचर मैप्स निकालने के लिए डिज़ाइन किया गया है। त्सुंग-यी लिन, पियोट्र डॉलर, रॉस गिरशिक, काईमिंग हे, भरत हरिहरन और सर्ज बेलोंगी द्वारा 2017 के अपने पेपर "फीचर पिरामिड नेटवर्क्स फॉर ऑब्जेक्ट डिटेक्शन" में पेश किया गया, FPN विभिन्न पैमानों पर वस्तुओं का पता लगाने की चुनौती का समाधान करता है, हर स्तर पर समृद्ध शब्दार्थ जानकारी के साथ फीचर मैप्स का एक पिरामिड बनाकर। यह कई आधुनिक डिटेक्टरों, जैसे कि फास्टर R-CNN और मास्क R-CNN, में एक मौलिक घटक बन गया है और Machine learning और Deep learning अनुप्रयोगों में व्यापक रूप से उपयोग किया जाता है।
FPN का मुख्य विचार एक कन्वोल्यूशनल Neural network (आमतौर पर रेसनेट जैसे बैकबोन) की अंतर्निहित बहु-पैमाने, पदानुक्रमित फीचर प्रतिनिधित्व का लाभ उठाना है और उन्हें एक ऊपर-से-नीचे पथ के साथ बढ़ाना है जो उच्च-स्तरीय शब्दार्थ सुविधाओं को निचले रिज़ॉल्यूशन तक प्रसारित करता है। यह पार्श्व कनेक्शनों के माध्यम से प्राप्त किया जाता है जो नीचे-से-ऊपर पथ से संबंधित फीचर मैप्स को मर्ज करते हैं, जिससे नेटवर्क प्रत्येक पैमाने पर मजबूत सुविधाएँ उत्पन्न कर सकता है। परिणामस्वरूप, FPN पहचान प्रदर्शन में सुधार करता है, विशेष रूप से छोटी वस्तुओं के लिए, बिना कम्प्यूटेशनल लागत में महत्वपूर्ण वृद्धि के।
वास्तुकला
FPN में दो मुख्य पथ होते हैं: एक नीचे-से-ऊपर पथ और एक ऊपर-से-नीचे पथ। नीचे-से-ऊपर पथ मानक फीडफॉरवर्ड कन्वोल्यूशनल नेटवर्क (जैसे, रेसनेट) है जो कई पैमानों पर फीचर मैप्स की गणना करता है, आमतौर पर इनपुट छवि के सापेक्ष 4, 8, 16 और 32 पिक्सेल के स्ट्राइड के साथ। इन फीचर मैप्स को C2, C3, C4 और C5 के रूप में दर्शाया जाता है, जो प्रत्येक चरण में अंतिम अवशिष्ट ब्लॉक आउटपुट के अनुरूप होते हैं।
ऊपर-से-नीचे पथ उच्च-स्तरीय परतों से स्थानिक रूप से मोटे लेकिन शब्दार्थ रूप से मजबूत सुविधाओं को अपसैंपल करके उच्च-रिज़ॉल्यूशन फीचर मैप्स उत्पन्न करता है। प्रत्येक अपसैंपल की गई फीचर मैप को फिर 1x1 कन्वोल्यूशनल परत (चैनल आयामों को कम करने के लिए) के माध्यम से संबंधित नीचे-से-ऊपर फीचर मैप के साथ मर्ज किया जाता है, इसके बाद तत्व-वार जोड़ होता है। मर्ज किया गया परिणाम 3x3 कन्वोल्यूशन से गुजरता है ताकि उस पैमाने के लिए अंतिम फीचर मैप उत्पन्न हो सके, जिसे P2, P3, P4 और P5 के रूप में दर्शाया जाता है। इन फीचर मैप्स का उपयोग वस्तु पहचान के लिए किया जाता है, जिसमें प्रत्येक स्तर एक निश्चित आकार सीमा की वस्तुओं का पता लगाने के लिए जिम्मेदार होता है।
अनुप्रयोग
FPN को वस्तु पहचान ढांचे में व्यापक रूप से अपनाया गया है। फास्टर R-CNN में, FPN का उपयोग क्षेत्र प्रस्ताव नेटवर्क (RPN) और उसके बाद के ROI-आधारित क्लासिफायर के लिए फीचर एक्सट्रैक्टर के रूप में किया जाता है, जिससे मॉडल विभिन्न आकारों की वस्तुओं को प्रभावी ढंग से संभाल सकता है। मास्क R-CNN उदाहरण विभाजन के लिए FPN का विस्तार करता है, बहु-पैमाने की सुविधाओं का उपयोग करके विभाजन मास्क उत्पन्न करता है। FPN अन्य कार्यों जैसे कि शब्दार्थ विभाजन और कुंजी बिंदु पहचान को भी लाभ पहुँचाता है, जहाँ बहु-पैमाने का संदर्भ महत्वपूर्ण है।
पहचान से परे, FPN ने अन्य डोमेन में समान वास्तुकलाओं को प्रेरित किया है, जैसे कि बायोमेडिकल छवि विभाजन के लिए U-Net, जो स्किप कनेक्शन के साथ एक सममित एनकोडर-डिकोडर भी नियोजित करता है। हालाँकि, FPN का पार्श्व कनेक्शन और ऊपर-से-नीचे संलयन का विशिष्ट डिज़ाइन पहचान कार्यों के लिए विशेष रूप से प्रभावी साबित हुआ है।
विविधताएँ और सुधार
FPN की दक्षता और सटीकता बढ़ाने के लिए कई विविधताएँ प्रस्तावित की गई हैं। उदाहरण के लिए, EfficientDet में उपयोग किया जाने वाला BiFPN (द्विदिशात्मक फीचर पिरामिड नेटवर्क) भारित द्विदिशात्मक फीचर संलयन का परिचय देता है, जिससे नेटवर्क विभिन्न इनपुट सुविधाओं के महत्व को सीख सकता है। एक अन्य विविधता, PANet (पथ एकत्रीकरण नेटवर्क), निम्न-स्तरीय और उच्च-स्तरीय सुविधाओं के बीच सूचना पथ को छोटा करने के लिए एक अतिरिक्त नीचे-से-ऊपर पथ वृद्धि जोड़ता है। इन सुधारों ने COCO जैसे बेंचमार्क पर वस्तु पहचान में अत्याधुनिक प्रदर्शन को आगे बढ़ाया है।
प्रभाव और विरासत
FPN का कंप्यूटर विज़न के क्षेत्र पर स्थायी प्रभाव पड़ा है। इसका परिचय एकल-पैमाने की सुविधाओं से बहु-पैमाने के फीचर पिरामिड की ओर बदलाव को चिह्नित करता है, जो अब पहचान वास्तुकलाओं में मानक अभ्यास है। पेपर को हजारों बार उद्धृत किया गया है और इसने Residual Network (ResNet) डिज़ाइन और फीचर संलयन में बाद के शोध को प्रभावित किया है। FPN के सिद्धांत अन्य क्षेत्रों में भी लागू होते हैं, जैसे कि Data Augmentation रणनीतियाँ जो प्रशिक्षण के दौरान पैमाने की भिन्नता का अनुकरण करती हैं।
संक्षेप में, फीचर पिरामिड नेटवर्क एक प्रमुख वास्तुकला नवाचार है जो मजबूत बहु-पैमाने वस्तु पहचान को सक्षम बनाता है, और इसका प्रभाव कई आधुनिक विज़न प्रणालियों तक फैला हुआ है।