وفي سياق أنشطتنا، نواجه يوميا مشكلة تحديد أولويات التنمية. بالنظر إلى الديناميكيات العالية لتطوير صناعة تكنولوجيا المعلومات، والطلب المتزايد باستمرار من قطاع الأعمال والحكومة على التقنيات الجديدة، في كل مرة نحدد فيها اتجاه التطوير ونستثمر قواتنا وأموالنا في الإمكانات العلمية لشركتنا، فإننا نتأكد من ذلك جميع أبحاثنا ومشاريعنا ذات طبيعة أساسية ومتعددة التخصصات.
لذلك، من خلال تطوير تقنيتنا الرئيسية - إطار التعرف على البيانات الهيروغليفية، فإننا مهتمون بتحسين جودة التعرف على المستندات (خط عملنا الرئيسي) وإمكانية استخدام التكنولوجيا لحل مشكلات التعرف ذات الصلة. سنخبرك في مقال اليوم كيف تمكنا، استنادًا إلى محرك التعرف (المستندات) الخاص بنا، من التعرف على كائنات أكبر حجمًا وذات أهمية استراتيجية في دفق الفيديو.
صياغة المشكلة
باستخدام التطورات الحالية، قم ببناء نظام للتعرف على الخزان، مما يجعل من الممكن تصنيف كائن ما، وكذلك تحديد المؤشرات الهندسية الأساسية (الاتجاه والمسافة) في ظروف سيئة التحكم دون استخدام معدات متخصصة.
حل
لقد اخترنا منهج التعلم الآلي الإحصائي باعتباره الخوارزمية الرئيسية لحل المشكلة. لكن إحدى المشاكل الرئيسية للتعلم الآلي هي الحاجة إلى الحصول على كمية كافية من بيانات التدريب. من الواضح أن الصور الطبيعية التي تم الحصول عليها من مشاهد حقيقية تحتوي على الأشياء التي نحتاجها ليست متاحة لنا. ولذلك تقرر اللجوء إلى توليد البيانات اللازمة للتدريب، ولحسن الحظ . ومع ذلك، بدا لنا أنه من غير الطبيعي تجميع البيانات بالكامل لهذه المهمة، لذلك تم إعداد تخطيط خاص لمحاكاة المشاهد الحقيقية. يحتوي النموذج على أشياء مختلفة تحاكي الريف: غطاء طبيعي مميز، شجيرات، أشجار، أسوار، إلخ. تم التقاط الصور باستخدام كاميرا رقمية صغيرة الحجم. أثناء عملية التقاط الصورة، تغيرت خلفية المشهد بشكل ملحوظ لجعل الخوارزميات أكثر قوة في مواجهة تغييرات الخلفية.
كانت الأهداف المستهدفة هي 4 نماذج من الدبابات القتالية: T-90 (روسيا)، M1A2 Abrams (الولايات المتحدة الأمريكية)، T-14 (روسيا)، Merkava III (إسرائيل). تم تحديد موقع الكائنات في مواضع مختلفة من المضلع، وبالتالي توسيع قائمة الزوايا المرئية المقبولة للكائن. لعبت الحواجز الهندسية والأشجار والشجيرات وعناصر المناظر الطبيعية الأخرى دورًا مهمًا.
وهكذا، قمنا في غضون يومين بجمع مجموعة كافية للتدريب والتقييم اللاحق لجودة الخوارزمية (عدة عشرات الآلاف من الصور).
قرروا تقسيم التعرف نفسه إلى قسمين: توطين الكائنات وتصنيف الكائنات. تم إجراء التوطين باستخدام مصنف فيولا وجونز المُدرب (بعد كل شيء، الخزان عبارة عن جسم صلب عادي، وليس أسوأ من الوجه، لذا فإن طريقة "تعمية التفاصيل" التي تتبعها فيولا وجونز تحدد موقع الكائن المستهدف بسرعة). لكننا عهدنا بتصنيف وتحديد الزاوية إلى شبكة عصبية تلافيفية - في هذه المهمة، من المهم بالنسبة لنا أن يحدد الكاشف بنجاح تلك الميزات التي، على سبيل المثال، تميز T-90 عن Merkava. ونتيجة لذلك، أصبح من الممكن بناء تركيبة فعالة من الخوارزميات التي تحل بنجاح مشكلة توطين وتصنيف الكائنات من نفس النوع.
بعد ذلك، أطلقنا البرنامج الناتج على جميع منصاتنا الحالية (Intel، ARM، Elbrus، Baikal، KOMDIV)، وقمنا بتحسين الخوارزميات الصعبة حسابيًا لزيادة الأداء (لقد كتبنا بالفعل عن هذا عدة مرات في مقالاتنا، على سبيل المثال هنا أو ) وحقق تشغيلًا مستقرًا للبرنامج على الجهاز في الوقت الفعلي.
نتيجة لجميع الإجراءات الموضحة، حصلنا على منتج برمجي متكامل يتمتع بخصائص تكتيكية وفنية هامة.
قارئ الخزان الذكي
لذلك، نقدم لك تطويرنا الجديد - برنامج للتعرف على صور الدبابات في دفق الفيديو قارئ الخزان الذكي، أيّ:
- يحل مشكلة "الصديق أو العدو" لمجموعة معينة من الكائنات في الوقت الحقيقي؛
- يحدد المعلمات الهندسية (المسافة إلى الكائن، الاتجاه المفضل للكائن)؛
- يعمل في الظروف الجوية غير المنضبطة، وكذلك في حالة الانسداد الجزئي للكائن بواسطة أجسام غريبة؛
- التشغيل المستقل بالكامل على الجهاز المستهدف، بما في ذلك في حالة عدم وجود اتصال لاسلكي؛
- قائمة بنيات المعالج المدعومة: Elbrus، Baikal، KOMDIV، بالإضافة إلى x86، x86_64، ARM؛
- قائمة أنظمة التشغيل المدعومة: Elbrus OS، AstraLinux OS، Atlix OS، بالإضافة إلى MS Windows، macOS، توزيعات Linux المختلفة التي تدعم gcc 4.8، Android، iOS؛
- التنمية المحلية بالكامل.
عادة، في ختام مقالاتنا عن حبري، نقدم رابطًا للسوق، حيث يمكن لأي شخص يستخدم هاتفه المحمول تنزيل نسخة تجريبية من التطبيق من أجل تقييم أداء التكنولوجيا فعليًا. هذه المرة، مع الأخذ في الاعتبار تفاصيل التطبيق الناتج، نتمنى لجميع قرائنا ألا يواجهوا أبدًا في حياتهم مشكلة التحديد السريع لما إذا كانت الدبابة تنتمي إلى جانب معين.
المصدر: www.habr.com