लेबल्ड फेसेस इन द वाइल्ड (LFW) चेहरे की पहचान के लिए व्यापक रूप से उपयोग किया जाने वाला बेंचमार्क डेटासेट है, जिसमें वेब से एकत्र किए गए 5,749 व्यक्तियों की 13,233 छवियां शामिल हैं। यह डेटासेट उन एल्गोरिदम के लिए एक यथार्थवादी और चुनौतीपूर्ण परीक्षण मंच प्रदान करने के लिए बनाया गया था जो बिना किसी प्रतिबंध के वातावरण में चेहरों को पहचानने के लिए डिज़ाइन किए गए हैं, जहां मुद्रा, प्रकाश, अभिव्यक्ति और पृष्ठभूमि में भिन्नताएं आम हैं। इसे 2007 में टोरंटो विश्वविद्यालय और एमआईटी कंप्यूटर साइंस एंड आर्टिफिशियल इंटेलिजेंस लेबोरेटरी के शोधकर्ताओं द्वारा पेश किया गया था (हालांकि प्राथमिक विकास मैसाचुसेट्स एमहर्स्ट विश्वविद्यालय में हुआ था)। यह डेटासेट मशीन लर्निंग और कंप्यूटर विज़न के क्षेत्र में एक मानक संदर्भ बन गया है और अक्सर विभिन्न चेहरे सत्यापन प्रणालियों के प्रदर्शन की तुलना करने के लिए उपयोग किया जाता है।
LFW में छवियां समाचार लेखों और अन्य वेब स्रोतों से स्वचालित रूप से डाउनलोड की गई थीं, जिससे चेहरे की उपस्थिति का एक प्राकृतिक वितरण सुनिश्चित हुआ। नियंत्रित परिस्थितियों में कैप्चर किए गए पहले के डेटासेट के विपरीत, LFW वास्तविक दुनिया की तस्वीरों की परिवर्तनशीलता को दर्शाता है। प्रत्येक छवि एक चेहरे पर केंद्रित है और व्यक्ति के नाम के साथ लेबल की गई है, जिसमें कुछ व्यक्तियों के पास कई छवियां हैं। LFW से जुड़ा प्राथमिक कार्य चेहरे का सत्यापन है: दो छवियों को देखते हुए, एक सिस्टम को यह निर्धारित करना होगा कि वे एक ही व्यक्ति को दर्शाती हैं या नहीं। इस कार्य का मूल्यांकन एक मानक प्रोटोकॉल का उपयोग करके किया जाता है जो प्रशिक्षण और परीक्षण के लिए छवियों के विशिष्ट जोड़े को परिभाषित करता है।
इतिहास और निर्माण
LFW को FERET डेटाबेस जैसे मौजूदा डेटासेट की तुलना में अधिक यथार्थवादी बेंचमार्क की आवश्यकता के जवाब में विकसित किया गया था, जिसमें स्टूडियो जैसी स्थितियों का उपयोग किया गया था। डेटासेट को मैसाचुसेट्स एमहर्स्ट विश्वविद्यालय में गैरी बी. हुआंग, मनु रमेश, तमारा बर्ग और एरिक लर्नेड-मिलर के नेतृत्व वाली एक टीम द्वारा इकट्ठा किया गया था। पहला संस्करण 2007 में जारी किया गया था, बाद के अपडेट में अधिक छवियां और परिष्कृत लेबल जोड़े गए। अंतिम संस्करण, जिसे LFW के रूप में जाना जाता है, में 5,749 व्यक्तियों की 13,233 छवियां हैं, जिनमें से 1,680 लोगों के पास दो या अधिक अलग-अलग तस्वीरें हैं।
निर्माण प्रक्रिया में समाचार छवियों के बड़े संग्रह में चेहरों का पता लगाने के लिए एक चेहरा डिटेक्टर का उपयोग करना शामिल था, इसके बाद सटीकता सुनिश्चित करने के लिए मैन्युअल लेबलिंग की गई। इस अर्ध-स्वचालित दृष्टिकोण ने एक बड़े, विविध डेटासेट के कुशल संग्रह की अनुमति दी। शोधकर्ताओं ने एक स्पष्ट मूल्यांकन प्रोटोकॉल भी स्थापित किया, जिसमें परीक्षण के लिए 6,000 चेहरे जोड़े का एक सेट शामिल है, जो क्रॉस-वैलिडेशन के लिए 10 फोल्ड में विभाजित है। यह प्रोटोकॉल विभिन्न अध्ययनों में परिणामों को तुलनीय बनाने में सहायक रहा है।
डेटासेट संरचना और सामग्री
डेटासेट प्रत्येक व्यक्ति के लिए फ़ोल्डरों में व्यवस्थित है, जिसमें छवियों को एक सुसंगत परंपरा के अनुसार नामित किया गया है। प्रत्येक छवि एक रंगीन JPEG है, आमतौर पर 250 गुणा 250 पिक्सेल, जिसमें चेहरा लगभग केंद्रित होता है। छवियां गुणवत्ता और रिज़ॉल्यूशन में भिन्न होती हैं, जो उनकी वेब उत्पत्ति को दर्शाती हैं। प्रत्येक व्यक्ति के लिए, एक संबंधित टेक्स्ट फ़ाइल होती है जिसमें छवि फ़ाइल नाम और आंखों के निर्देशांक सूचीबद्ध होते हैं, जिनका उपयोग संरेखण के लिए किया जा सकता है।
LFW में राजनेताओं, अभिनेताओं, एथलीटों और अन्य सार्वजनिक हस्तियों सहित विविध प्रकार के व्यक्ति शामिल हैं। प्रति व्यक्ति छवियों का वितरण अत्यधिक विषम है: कई व्यक्तियों के पास केवल एक छवि है, जबकि कुछ के पास दर्जनों हैं। यह असंतुलन एल्गोरिदम के लिए एक यथार्थवादी चुनौती है, क्योंकि इसके लिए सीमित डेटा से मजबूत फीचर निष्कर्षण की आवश्यकता होती है। डेटासेट में 'अप्रतिबंधित' प्रशिक्षण प्रोटोकॉल के लिए छवियों का एक अलग सेट भी शामिल है, जो उसी स्रोत से अतिरिक्त डेटा के उपयोग की अनुमति देता है।
मूल्यांकन प्रोटोकॉल और बेंचमार्क
मानक LFW मूल्यांकन प्रोटोकॉल दो मुख्य कार्यों को परिभाषित करता है: छवि-प्रतिबंधित और अप्रतिबंधित। छवि-प्रतिबंधित सेटिंग में, एल्गोरिदम केवल प्रदान किए गए प्रशिक्षण जोड़े का उपयोग कर सकते हैं, जिसमें 5,400 सकारात्मक और 5,400 नकारात्मक जोड़े शामिल हैं। अप्रतिबंधित सेटिंग पहचान लेबल और डेटासेट से अतिरिक्त छवियों के उपयोग की अनुमति देती है। प्रदर्शन को 10 फोल्ड पर औसत वर्गीकरण सटीकता के रूप में मापा जाता है, प्रत्येक फोल्ड में 600 जोड़े (300 सकारात्मक और 300 नकारात्मक) होते हैं।
पिछले कुछ वर्षों में, LFW चेहरे की पहचान में प्रगति को ट्रैक करने के लिए एक प्रमुख बेंचमार्क रहा है। हस्तनिर्मित फीचर का उपयोग करने वाली शुरुआती प्रणालियों ने लगभग 80-90% की सटीकता हासिल की। डीप लर्निंग विधियों की शुरूआत, विशेष रूप से न्यूरल नेटवर्क और कन्वोल्यूशनल न्यूरल नेटवर्क, ने महत्वपूर्ण सुधार किए। 2014 में, फेसबुक की डीपफेस प्रणाली ने 97.35% सटीकता हासिल की, जो मानव प्रदर्शन के करीब पहुंच गई। बाद के मॉडल, जैसे कि गूगल का फेसनेट, 99% से अधिक सटीकता तक पहुंच गए, जो डेटासेट पर मानव-स्तरीय प्रदर्शन को पार कर गए। इन प्रगतियों ने कच्चे पिक्सेल से विभेदक फीचर निकालने में डीप लर्निंग की शक्ति का प्रदर्शन किया।
प्रभाव और विरासत
LFW का चेहरे की पहचान के क्षेत्र पर स्थायी प्रभाव पड़ा है। इसने एल्गोरिदम की तुलना करने के लिए एक सामान्य आधार प्रदान किया और अधिक परिष्कृत तकनीकों के विकास को प्रेरित किया। डेटासेट का बिना किसी प्रतिबंध के स्थितियों पर जोर वास्तविक दुनिया की विविधताओं के प्रति मजबूती के महत्व को उजागर करता है। कई अत्याधुनिक प्रणालियाँ, जिनमें वाणिज्यिक अनुप्रयोगों में उपयोग की जाने वाली प्रणालियाँ भी शामिल हैं, का मूल्यांकन LFW पर एक मानक जांच के रूप में किया गया है।
LFW पर डीप लर्निंग की सफलता ने मेगाफेस और MS-Celeb-1M जैसे बड़े और अधिक चुनौतीपूर्ण डेटासेट के निर्माण को भी प्रभावित किया, जिनमें लाखों छवियां हैं। हालांकि, LFW अपने प्रबंधनीय आकार और अच्छी तरह से परिभाषित प्रोटोकॉल के कारण एक मूल्यवान संसाधन बना हुआ है। इसका उपयोग अक्सर त्वरित प्रोटोटाइपिंग और शैक्षिक उद्देश्यों के लिए किया जाता है। डेटासेट शोध के लिए स्वतंत्र रूप से उपलब्ध है, और इसके उपकरण और दस्तावेज़ व्यापक रूप से अपनाए गए हैं।
सीमाएं और आलोचनाएं
अपनी लोकप्रियता के बावजूद, LFW में कई सीमाएं हैं। छवियां अपेक्षाकृत कम-रिज़ॉल्यूशन (250x250 पिक्सेल) हैं, जो आधुनिक उच्च-रिज़ॉल्यूशन स्रोतों को प्रतिबिंबित नहीं कर सकती हैं। डेटासेट पश्चिमी सार्वजनिक हस्तियों की ओर भी पक्षपाती है, जिससे इसकी विविधता सीमित हो जाती है। इसके अतिरिक्त, सत्यापन कार्य, जबकि उपयोगी है, चेहरे की पहचान के सभी पहलुओं को कैप्चर नहीं करता है, जैसे कि बड़े गैलरी में पहचान। कुछ शोधकर्ताओं ने नोट किया है कि LFW पर सटीकता संतृप्त हो गई है, कई आधुनिक प्रणालियाँ लगभग पूर्ण स्कोर प्राप्त कर रही हैं, जिससे शीर्ष-स्तरीय एल्गोरिदम की तुलना करने के लिए यह कम विभेदक हो गया है।
एक और आलोचना यह है कि मूल्यांकन प्रोटोकॉल, जबकि मानकीकृत है, वास्तविक दुनिया की तैनाती परिदृश्यों को पूरी तरह से प्रतिनिधित्व नहीं कर सकता है। उदाहरण के लिए, जोड़े पूर्व-निर्धारित हैं और इसमें अत्यधिक मुद्रा परिवर्तन या अवरोध जैसे चुनौतीपूर्ण मामले शामिल नहीं हो सकते हैं। परिणामस्वरूप, शोधकर्ता अक्सर अधिक व्यापक मूल्यांकन प्राप्त करने के लिए LFW को IJB-A या YTF जैसे अन्य बेंचमार्क के साथ पूरक करते हैं। फिर भी, क्षेत्र को आगे बढ़ाने में LFW की ऐतिहासिक भूमिका निर्विवाद है, और यह चेहरे की पहचान के अध्ययन में एक मौलिक डेटासेट बना हुआ है।
यह भी देखें
संदर्भ
- Huang, G. B., Ramesh, M., Berg, T., & Learned-Miller, E. (2007). Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments. Technical Report 07-49, University of Massachusetts, Amherst.
- Taigman, Y., Yang, M., Ranzato, M., & Wolf, L. (2014). DeepFace: Closing the Gap to Human-Level Performance in Face Verification. CVPR.
- Schroff, F., Kalenichenko, D., & Philbin, J. (2015). FaceNet: A Unified Embedding for Face Recognition and Clustering. CVPR.