चाइनीज एकेडमी ऑफ साइंसेज के हेफ़ेई इंस्टीट्यूट ऑफ फिजिकल साइंस के प्रोफेसर वांग रुजिंग के नेतृत्व में शोधकर्ताओं ने पानी के नीचे की छवि को बढ़ाने के लिए एक सरल और प्रभावी मल्टी-स्केल फीचर मॉड्यूलेशन नेटवर्क विकसित किया।

उनका अध्ययन,प्रकाशितमेंकिंग सऊद विश्वविद्यालय का जर्नल-कंप्यूटर और सूचना विज्ञान, सुधार की चुनौती को संबोधित करता हैछवि के गुणवत्ताकम मेमोरी वाले उपकरणों की सीमाओं पर विचार करते हुए पानी के भीतर के वातावरण मेंकम्प्यूटेशनल शक्ति.

उच्च गुणवत्ता वाली छवियां मत्स्य पालन निगरानी और पर्यावरण और प्रजातियों के संरक्षण सहित कई पानी के नीचे के अनुप्रयोगों के लिए महत्वपूर्ण हैं।हालाँकि, अधिकांश गहन शिक्षण-आधारित अंडरवाटर इमेज एन्हांसमेंट नेटवर्क सीमित मेमोरी और कम्प्यूटेशनल शक्ति वाले अंडरवाटर उपकरण प्लेटफार्मों के लिए उपयुक्त नहीं हैं।यह संघर्ष पानी के नीचे की छवियों की गुणवत्ता में सुधार करने में एक महत्वपूर्ण चुनौती पेश करता है।

इस अध्ययन में दृष्टिकोण, जिसे सरल लेकिन प्रभावी मल्टी-स्केल फीचर मॉड्यूलेशन नेटवर्क (एमएफएमएन) कहा जाता था, मॉडल दक्षता और पुनर्निर्माण प्रदर्शन के बीच बेहतर व्यापार-बंद प्राप्त करता है।

टीम के एक सदस्य डॉ. वांग लियुसन ने कहा, "मुख्य भाग मल्टी-स्केल मॉड्यूलेशन मॉड्यूल और चैनल मिक्सिंग मॉड्यूल हैं।"

विज़ुअल ट्रांसफार्मर के समान मल्टी-स्केल मॉड्यूलेशन मॉड्यूल को शामिल करके, नेटवर्क इनपुट छवि से सुविधाओं को निकालता है और गतिशील रूप से छवि स्थान में प्रतिनिधि सुविधाओं का चयन करता है।

चैनल सुविधा जानकारी की कमी को दूर करने के लिए, स्थानिक परिप्रेक्ष्य को बढ़ाने के लिए एक चैनल मिश्रण मॉड्यूल पेश किया गया है।

प्रायोगिक परिणाम बताते हैं कि एमएफएमएन विधि काफी हद तक कम कर देती हैनेटवर्कमौजूदा तकनीकों की तुलना में पैरामीटर, इसे 8.5 गुना छोटा बनाते हैं।अपने छोटे आकार के बावजूद, यह विधि कम कम्प्यूटेशनल लागत पर समान प्रदर्शन प्राप्त करती है।

इन परिणामों का पानी के भीतर मत्स्य पालन निगरानी जैसे अनुप्रयोगों के लिए आशाजनक प्रभाव हैपर्यावरण संरक्षण, टीम के अनुसार.

अधिक जानकारी:शिजियान झेंग एट अल, कुशल पानी के भीतर छवि वृद्धि के लिए एक मल्टी-स्केल फीचर मॉड्यूलेशन नेटवर्क,किंग सऊद विश्वविद्यालय का जर्नल-कंप्यूटर और सूचना विज्ञान(2023)।डीओआई: 10.1016/j.jksuci.2023.101888