Drone vs Zebra

فرض کنید به عنوان مسئول استتار کامیون مهمات لجیستیک میاید و کامیون رو به شکل راه راه رنگ میزنید تا از دست پهپاد های اوکراینی در امان بمونید. اما چرا اینکار رو میکنید؟

لینک خبر:

RFE/RL – Zebra Trucks: Why Russia Is Using ‘Dazzle Camouflage’ In Ukraine

در جنگ های Modern Warfare امروزی AI نقش چشم گیری رو ایفا میکنه و به دنبال اون توانایی مقابله با سلاح های به اصطلاح AI-Integrated بیش از پیش اهمیت پیدا کرده. برای اینکه ببینیم که چطوری این خطوط موازی به استتار این کامیون روس کمک میکنن باید اول به چند تا کانسپت Computer Vision یا بینایی ماشین سر بزنیم.

درک AI از کامیون

باید در نظر داشته باشیم که مدلی که داریم ازش استفاده میکنیم “کامیون” رو اون طوری که ما میبینیم نمیبینه! بلکه هنگام آموزش، الگوهای آماری و ویژگی‌های مشترک بین صدها هزار تصویر کامیون را یاد می‌گیره، پس با دیدن ترکیبی از ویژگی ها (Features) آشنا در یک تصویر تصمیم میگیره که یک کامیون دیده.

در شبکه عصبی CNN که در یادگیری Feature های تصویر به کار میرن لایه های ابتدایی ویژگی های ساده تر مثل لبه ها (Edges) و بافت (Texture) رو استخراج میکنند و لایه های بعدی نیز گوشه ها، خم ها و شکل های ساده و به مرور با ترکیب ویژگی های لایه های قبلی، الگو های پیچیده تر مثل چرخ ها و در نهایت خود کامیون تجسم میشه.

استتار راه‌راه !

بیاید از سطح تا عمق رو بررسی کنیم که در استنباط مدل از کامیون استتار شده چه چیزی رخ میده:

1. در گام اول کشیدن طرح راه راه روی کامیون باعث ایجاد لبه ها و مرز های اضافه میشه:

# Before
████████████
████████████
████████████

# After
█░█░█░█░█░█
░█░█░█░█░█░
█░█░█░█░█░█

طرح راه راه دارای Contrast (اختلاف روشنایی) بالایی هست و به اصطلاحِ کامپیوتر ویژنی ها تغییرات فرکانس-بالا به حساب میاد. از اونجایی که CNN از تغییرات یهویی در سطح روشنایی پیکسل های مجاور متوجه میشه وارد ناحیه جدید شده و اونجا رو لبه تشخیص میده، کشیدن این خطوط حسابی برای مدل دردسر درست میکنه.

2. مشکل بعدی بافت کامیون هست که دسخوش تغییر شده و طبق تحقیقات مدل های CNN بیشتر ازون که به شکل کلی اشیا تکیه کنن، به بافت (Texture) آن‌ها وابستن (به اصطلاح texture-biased) و اگر بافت تغییر کنه پیش بینی مدل هم تغییر میکنه. (در یکی از مقاله هایی که ضمیمه شده texture پوست فیل رو روی گربه گذاشتن و مدل 63% احتمال داده که موجود داخل تصویر فیله! البته اینجا قرار نیست مدل بگه کامیونه گورخره ولی خب ایده رو گرفتید XD)

3. علاوه بر این، خطوط راه راه باعث میشن که مرز واقعی کامیون با مرز ایجاد شده توسط رنگ آمیزی قاطی بشه و در نتیجه سایه‌نما (Silhouette) یا همون شکل کلی کامیون نسبت به پس زمینه کمتر قابل تشخیص باشه.
   

# Before
..............
.....██████... 
....████████..
....████████..
.....██████...
..............

# After
..............
....█░█░██░...
...░█░██░█....
...█░██░█░....
....░█░██.....
..............

در نتیجه:

مجموع این تغییرات باعث میشن که تصویری که مدل میبیند دیگه شباهت زیادی به توزیع داده‌هایی که هنگام آموزش دیده نداشته باشد. اتفاقی که در یادگیری ماشین بهش Distribution Shift میگن.

در نتیجه ویژگی های استخراج شده از کامیون ممکن است از Feature Space مربوط به کامیون معمولی فاصله بگیرن و مدل با اطمینان کمتری (Confidence Score پایین تر) آنرا به عنوان کامیون درنظر بگیرد.

واقعیت میدانی

واقعیت اینجاست که در محیط آزمایشگاهی ممکنه تغییری در تصمیم گیری پهپاد ایجاد نکنه. ولی در واقعیت و حین ماموریت پهپاد زنجیره ای از فاکتور ها دست به دست هم میدن که به استتار معنا میبخشه:

• کامیون تنها چند پیکسل از تصویری که پهپاد در آسمان از زمین میگیره رو اشغال میکنه و resolution پایینه
• لرزش های در حین حرکت پهپاد تصویر رو تار میکنه (Motion Blur)
• شرایط آب و هوایی سخت! که ممکنه پیش بیاد. و در نهایت کامیونی که از دید مدل هوش مصنوعی استتار کرده باعث میشه مدل Confidence Score پایینی داشته باشه و در تصمیم گیری که آیا دشمن رو دیده یا خیر ناتوان بشه.
  

پس به طور واقع بینانه قرار نیست پهپاد کامیون شما رو گورخر ببینه! بلکه دقتش پایین میاد و ممکنه هدف رو miss کنه.

مقالات و رفرنس ها

• ImageNet-trained CNNs are biased towards texture; increasing shape bias improves accuracy and robustness

• A Survey of Camouflaged Object Detection and Beyond

• Camouflaged Object Detection and Tracking: A Survey

• Hourglass Vision Transformers for Camouflaged Object Detection (IEEE)

• Computer Vision: Algorithms and Applications (Richard Szeliski)

• Deep Learning Book (Goodfellow, Bengio, Courville)