তুরস্কে বাংলাদেশি শিক্ষার্থীর আন্তর্জাতিক স্বর্ণপদক অর্জন

তুরস্কে অধ্যায়নরত এক বাংলাদেশি শিক্ষার্থী ‘অটোমেটিক মাস্ক ফেস শনাক্তকরণের সিসটেম’(An Efficient Automated Masked Face Recognition System) উদ্ভাবনের জন্য আন্তর্জাতিক স্বর্ণপদক অর্জন করেছেন।

ইস্তাম্বুলের বাহসিহির বিশ্ববিদ্যালয়ের ছাত্র মাসুম শাহ জুনায়েদ ‘৩২তম আন্তর্জাতিক আবিষ্কার, উদ্ভাবন ও প্রযুক্তি প্রদর্শনী-আইটেক্স International Invention, Innovation & Technology Competition-ITEX) এর প্রতিযোগিতায় আইসিটি ক্যাটাগরিতে এই পুরস্কার অর্জন করেন। এটি উদ্ভাবনের জন্য একটি অত্যন্ত আকাঙ্খিত এবং প্রতিযোগিতামূলক আন্তর্জাতিক পুরস্কার।

গত ডিসেম্বর মালয়েশিয়ায় অনুষ্ঠিত উদ্ভাবকদের জন্য আন্তর্জাতিক প্ল্যাটফর্ম আইটেক্সের ৩২তম আসরে গাইড সহকারী অধ্যাপক ড. মোহাম্মদ বাহারুল ইসলাম ও সহযোগী আরেজু সাদেগজাদসহ নিজের উদ্ভাবনের প্রদর্শনীতে অংশ নিয়েছিলেন জুনায়েদ। সম্প্রতি প্রকাশিত জুরি বোর্ডের ফলাফলে মাসুম শাহ জুনায়েদের ‘অটোমেটিক মাস্ক ফেস শনাক্তকরণের সিসটেম’ উদ্ভাবন স্বর্ণপদক জিতে নেয়।

প্রতিযোগিতায় বিভিন্ন বিভাগে ৭২টি দেশের ৫০০টি আন্তর্জাতিক উদ্ভাবন অংশ নেয়। আন্তর্জাতিক জুরিবোর্ড অভিনব এবং উদ্ভাবনী, সৃজনশীলতা, কার্যকারিতা, উপযোগিতা এবং প্রয়োগ, বাজার এবং বাণিজ্যিক দৃষ্টিভঙ্গি, এবং পরিবেশ-বান্ধব এই পাঁচটি মানদণ্ডের ওপর ভিত্তি করে প্রতিটি উদ্ভাবনের মূল্যায়ন করে।

মাসুমের উদ্ভাবনটির মূল উদ্দেশ্য হলো একটি মাস্ক অক্লুশন ডিসকার্ডিং কৌশল এবং একটি গভীর-শিক্ষার মডেলের সমন্বয়ের উপর ভিত্তি করে একটি স্বয়ংক্রিয় মুখোশযুক্ত মুখ শনাক্তকরণ সিস্টেমের প্রস্তাব করেছে।

বিশ্বব্যাপী কভিড-১৯ এর মহামারীর উত্থানের সাথে সাথে, মুখ শনাক্তকরণ সিস্টেমগুলি যোগাযোগহীন পরিচয় যাচাই পদ্ধতি হিসাবে অনেক মনোযোগ অর্জন করে। যার ফেল মুখোশ দ্বারা মুখের একটি উল্লেখযোগ্য অংশ ঢেকে রাখা প্রচলিত মুখ শনাক্তকরণ সিস্টেমের জন্য গুরুতর চ্যালেঞ্জ তৈরি করে।

প্রাথমিকভাবে, একটি প্রাক-প্রসেসিং পদক্ষেপ করা হয় যেখানে চিত্রগুলি তিনটি ফিল্টার পাস করে। তারপরে, একটি নিউরাল নেটওয়ার্ক মডেলের মুখের অপ্রচলিত অঞ্চলগুলি (যেমন, চোখ এবং কপাল) থেকে বৈশিষ্ট্যগুলি বের করার প্রস্তাব করা হয়েছে। এই বৈশিষ্ট্য মানচিত্র সহ-ভিত্তিক বৈশিষ্ট্য প্রাপ্ত করার জন্য নিযুক্ত করা হয়. দুটি অতিরিক্ত স্তর, যেমন, বিটম্যাপ এবং আইজেনভ্যালু, পরিমাপ কমাতে এবং এই কোভ্যারিয়েন্স বৈশিষ্ট্য ম্যাট্রিক্সকে সংযুক্ত করার জন্য ডিজাইন করা হয়েছে।

ব্যাগ-অফ-ফিচার্স দৃষ্টান্তের উপর ভিত্তি করে একত্রিত কোডবুকের সাথে গভীর কোভেরিয়েন্স বৈশিষ্ট্যগুলি পরিমাপ করা হয়। অবশেষে, এই কোডবুকগুলির উপর ভিত্তি করে একটি গ্লোবাল হিস্টোগ্রাম তৈরি করা হয় এবং একটি ক্লাসিফায়ারকে প্রশিক্ষণের জন্য ব্যবহার করা হয়।