Fəaliyyətimiz zamanı biz hər gün inkişaf prioritetlərinin müəyyən edilməsi problemi ilə qarşılaşırıq. İT sənayesinin yüksək inkişaf dinamikasını, biznes və hökumət tərəfindən yeni texnologiyalara daim artan tələbatı nəzərə alaraq, biz hər dəfə inkişaf vektorunu müəyyən etdikdə və öz güclərimizi və vəsaitlərimizi şirkətimizin elmi potensialına yatırdıqda əmin oluruq ki, bütün tədqiqatlarımız və layihələrimiz fundamental və fənlərarası xarakter daşıyır.
Buna görə də, əsas texnologiyamızı - HIEROGLYPH məlumat tanınma çərçivəsini inkişaf etdirməklə, biz həm sənədlərin tanınması keyfiyyətinin (əsas biznes xəttimiz) yaxşılaşdırılmasından, həm də əlaqəli tanınma problemlərini həll etmək üçün texnologiyadan istifadə imkanından narahat oluruq. Bugünkü məqalədə biz sizə tanınma mühərrikimizə (sənədlərimizə) əsasən, video axınında daha böyük, strateji əhəmiyyətli obyektlərin necə tanındığını söyləyəcəyik.
Problem problemi
Mövcud inkişaflardan istifadə edərək, xüsusi avadanlıqdan istifadə etmədən obyekti təsnif etməyə, habelə zəif idarə olunan şəraitdə əsas həndəsi göstəriciləri (oriyentasiya və məsafə) təyin etməyə imkan verən bir tank tanıma sistemi qurun.
qərar
Problemin həlli üçün əsas alqoritm kimi statistik maşın öyrənmə yanaşmasını seçdik. Lakin maşın öyrənməsinin əsas problemlərindən biri kifayət qədər miqdarda təlim məlumatlarına sahib olmaq ehtiyacıdır. Aydındır ki, ehtiyacımız olan obyektləri ehtiva edən real səhnələrdən əldə edilən təbii görüntülər bizim üçün əlçatan deyil. Buna görə də, xoşbəxtlikdən, təlim üçün lazımi məlumatların yaradılmasına müraciət etmək qərara alındı . Bununla belə, bu tapşırıq üçün məlumatları tamamilə sintez etmək bizə qeyri-təbii görünürdü, buna görə də real səhnələri simulyasiya etmək üçün xüsusi bir tərtibat hazırlanmışdır. Modeldə kəndi simulyasiya edən müxtəlif obyektlər var: xarakterik landşaft örtüyü, kollar, ağaclar, hasarlar və s. Şəkillər kiçik formatlı rəqəmsal kamera vasitəsilə çəkilib. Şəkil çəkmə prosesi zamanı alqoritmləri fon dəyişikliklərinə daha davamlı etmək üçün səhnənin fonu əhəmiyyətli dərəcədə dəyişdi.
Hədəf obyektləri 4 model döyüş tankı idi: T-90 (Rusiya), M1A2 Abrams (ABŞ), T-14 (Rusiya), Merkava III (İsrail). Obyektlər çoxbucaqlının müxtəlif mövqelərində yerləşdirildi və bununla da obyektin məqbul görünən bucaqlarının siyahısını genişləndirdi. Mühəndislik maneələri, ağaclar, kollar və digər landşaft elementləri əhəmiyyətli rol oynadı.
Beləliklə, bir neçə gün ərzində alqoritmin keyfiyyətinin öyrənilməsi və sonrakı qiymətləndirilməsi üçün kifayət qədər dəst topladıq (bir neçə on minlərlə şəkil).
Onlar tanınmanın özünü iki hissəyə bölmək qərarına gəldilər: obyektin lokallaşdırılması və obyektin təsnifatı. Lokallaşdırma təlim keçmiş Viola və Jones təsnifatçısından istifadə edərək həyata keçirildi (axı, tank normal sərt obyektdir, üzdən daha pis deyil, ona görə də Viola və Jones-un "detal-kor" üsulu hədəf obyekti tez bir zamanda lokallaşdırır). Ancaq biz təsnifatı və bucağın təyinini konvolyusiya neyron şəbəkəsinə həvalə etdik - bu vəzifədə detektorun, məsələn, T-90-ı Merkavadan fərqləndirən xüsusiyyətləri uğurla müəyyən etməsi bizim üçün vacibdir. Nəticədə eyni tipli obyektlərin lokallaşdırılması və təsnifatı problemini uğurla həll edən alqoritmlərin effektiv tərkibini qurmaq mümkün olmuşdur.
Sonra, nəticədə ortaya çıxan proqramı bütün mövcud platformalarımızda (Intel, ARM, Elbrus, Baykal, KOMDIV) işə saldıq, performansı artırmaq üçün hesablama baxımından çətin alqoritmləri optimallaşdırdıq (bu barədə məqalələrimizdə bir neçə dəfə yazmışıq, məsələn burada və ya ) və real vaxt rejimində proqramın cihazda sabit işləməsinə nail oldu.
Təsvir edilən bütün hərəkətlər nəticəsində biz əhəmiyyətli taktiki və texniki xüsusiyyətlərə malik tam hüquqlu bir proqram məhsulu əldə etdik.
Ağıllı Tank Oxucusu
Beləliklə, biz sizə yeni inkişafımızı təqdim edirik - video axınında tankların şəkillərini tanımaq üçün proqramı Ağıllı Tank Oxucusu, hansı:
- Real vaxt rejimində verilmiş obyektlər dəsti üçün “dost və ya düşmən” problemini həll edir;
- Həndəsi parametrləri (obyektə olan məsafə, obyektin üstünlük verilən istiqaməti) müəyyən edir;
- Nəzarət olunmayan hava şəraitində, eləcə də obyektin yad cisimlər tərəfindən qismən bağlanması zamanı işləyir;
- Hədəf cihazda tam avtonom işləmə, o cümlədən radio rabitəsi olmadıqda;
- Dəstəklənən prosessor arxitekturalarının siyahısı: Elbrus, Baikal, KOMDIV, həmçinin x86, x86_64, ARM;
- Dəstəklənən əməliyyat sistemlərinin siyahısı: Elbrus ƏS, AstraLinux ƏS, Atlix ƏS, həmçinin MS Windows, macOS, gcc 4.8, Android, iOS-u dəstəkləyən müxtəlif Linux paylamaları;
- Tamamilə daxili inkişaf.
Adətən, Habré ilə bağlı məqalələrimizin sonunda biz bazara keçid təqdim edirik, burada mobil telefonundan istifadə edən hər kəs texnologiyanın işini həqiqətən qiymətləndirmək üçün proqramın demo versiyasını yükləyə bilər. Bu dəfə, ortaya çıxan tətbiqin xüsusiyyətlərini nəzərə alaraq, bütün oxucularımıza bir tankın müəyyən bir tərəfə aid olub-olmadığını tez bir zamanda müəyyən etmək problemi ilə həyatlarında heç vaxt qarşılaşmamağı arzu edirik.
Mənbə: www.habr.com