বাংলাদেশে ভবন চেনাবে AI! U-Net ও SAM দিয়ে ফুটপ্রিন্ট বের করার গাইড
উচ্চ-রেজোলিউশন NAIP চিত্র থেকে ভবনের ফুটপ্রিন্ট বের করার জন্য GeoAI ওয়ার্কফ্লো নিয়ে এলো নতুন টিউটোরিয়াল। U-Net, Grounding DINO, SAM ও Mask R-CNN মডেল ব্যবহার করে কীভাবে কাজটি করতে হয়, তা ধাপে ধাপে শেখানো হয়েছে।
উচ্চ-রেজোলিউশন NAIP চিত্র থেকে ভবনের ফুটপ্রিন্ট বের করার জন্য GeoAI ওয়ার্কফ্লো নিয়ে এলো নতুন টিউটোরিয়াল। U-Net, Grounding DINO, SAM ও Mask R-CNN মডেল ব্যবহার করে কীভাবে কাজটি করতে হয়, তা ধাপে ধাপে শেখানো হয়েছে।
কৃত্রিম বুদ্ধিমত্তা (AI) দিয়ে ভৌগোলিক তথ্য বিশ্লেষণের নতুন এক পূর্ণাঙ্গ টিউটোরিয়াল প্রকাশ করেছে প্রযুক্তি সংবাদমাধ্যম MarkTechPost। এই টিউটোরিয়ালে উচ্চ-রেজোলিউশনের NAIP (National Agriculture Imagery Program) আকাশজরিপ চিত্র থেকে ভবনের ফুটপ্রিন্ট (দালানের ছাদের সীমানা) বের করার সম্পূর্ণ GeoAI ওয়ার্কফ্লো ডিজাইন করা হয়েছে। U-Net, Grounding DINO, SAM এবং Mask R-CNN নামের চারটি শক্তিশালী ডিপ লার্নিং মডেল ব্যবহার করে কীভাবে কাজটি করতে হয়, তা ধাপে ধাপে দেখানো হয়েছে।
এই টিউটোরিয়ালটি বিশেষভাবে গুরুত্বপূর্ণ কারণ নগর পরিকল্পনা, দুর্যোগ ব্যবস্থাপনা এবং জমি জরিপের মতো কাজে ভবনের সঠিক অবস্থান ও সীমানা জানা অপরিহার্য। আগে এসব কাজে ম্যানুয়াল ডিজিটাইজেশন (হাতে কম্পিউটারে সীমানা আঁকা) করতে হতো, যা সময়সাপেক্ষ ও ভুলের সম্ভাবনা বেশি। GeoAI পদ্ধতি স্বয়ংক্রিয়ভাবে এই কাজটি করতে পারে, ফলে কাজের গতি আগের চেয়ে অনেক গুণ বেড়ে যায় এবং নির্ভুলতাও বৃদ্ধি পায়।
টিউটোরিয়ালটির শুরুতে রয়েছে জিওস্পেশিয়াল ডিপ লার্নিং এনভায়রনমেন্ট কনফিগার করার নির্দেশনা। এরপর রাস্টার ইমেজ (ছবি) এবং ভেক্টর লেবেল (সীমানার ডেটা) ডাউনলোড করে তাদের স্থানিক বৈশিষ্ট্য পরীক্ষা করা শেখানো হয়েছে। এরপর জিওরেফারেন্সড ইমেজ চিপ (ছোট ছোট অংশ) এবং সেগমেন্টেশন মাস্ক (পিক্সেলভিত্তিক লেবেল) তৈরি করার পদ্ধতি দেখানো হয়েছে। সবশেষে U-Net মডেলটি ResNet-34 আর্কিটেকচারের সাথে ব্যবহার করে প্রশিক্ষণ দেওয়ার সম্পূর্ণ প্রক্রিয়া বর্ণনা করা হয়েছে।
U-Net মূলত একটি এনকোডার-ডিকোডার আর্কিটেকচার, যা ছবির প্রতিটি পিক্সেলকে আলাদাভাবে চিহ্নিত করতে পারে। Grounding DINO একটি ওপেন-সেট অবজেক্ট ডিটেকশন মডেল, যা টেক্সট প্রম্পট দিয়ে ছবিতে অবজেক্ট খুঁজে বের করতে পারে। SAM (Segment Anything Model) মেটা কোম্পানির তৈরি একটি মডেল, যা ছবির যেকোনো অবজেক্টকে সেগমেন্ট করতে পারে। Mask R-CNN একটি জনপ্রিয় ইনস্ট্যান্স সেগমেন্টেশন মডেল, যা প্রতিটি অবজেক্টের আলাদা মাস্ক তৈরি করে। এই চারটি মডেলের সমন্বয়ে একটি শক্তিশালী পাইপলাইন তৈরি করা হয়েছে, যা NAIP চিত্র থেকে ভবনের ফুটপ্রিন্ট নির্ভুলভাবে বের করতে সক্ষম।
বাংলাদেশের প্রেক্ষাপটে এই টিউটোরিয়ালটি অত্যন্ত প্রাসঙ্গিক। দেশে দ্রুত নগরায়ণ হচ্ছে, কিন্তু ভবনের সঠিক ডিজিটাল ম্যাপ এখনও অনেক জায়গায় নেই। ঢাকা উত্তর ও দক্ষিণ সিটি কর্পোরেশন, রাজউক এবং অন্যান্য সংস্থা ভবনের তথ্য হালনাগাদ রাখতে ভুগছে। এই GeoAI কৌশল ব্যবহার করে স্যাটেলাইট বা আকাশজরিপ চিত্র থেকে স্বয়ংক্রিয়ভাবে ভবনের মানচিত্র তৈরি করা সম্ভব। ফলে ভূমি জরিপ, কর নির্ধারণ এবং নগর পরিকল্পনার কাজ অনেক সহজ হবে। বাংলাদেশের ডেভেলপার ও গবেষকরা এই টিউটোরিয়াল অনুসরণ করে স্থানীয় ডেটাসেটে মডেলটি প্রয়োগ করতে পারেন। তবে স্থানীয় চিত্রের বৈশিষ্ট্য (যেমন ছাদের রং, ঘনত্ব) ভিন্ন হওয়ায় মডেলটিকে নতুন ডেটায় ফাইন-টিউন করার প্রয়োজন হবে।
ভবিষ্যতে GeoAI-এর এই পদ্ধতি আরও উন্নত হবে বলে আশা করা যাচ্ছে। আরও বেশি ডেটা ও উন্নত মডেলের মাধ্যমে ভবন শনাক্তকরণের নির্ভুলতা আরও বাড়বে। এই টিউটোরিয়ালটি শিক্ষার্থী, গবেষক এবং প্রফেশনালদের জন্য একটি দারুণ শুরুর পয়েন্ট।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: MarkTechPost
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...