Yn ystod ein gweithgareddau, rydym bob dydd yn wynebu'r broblem o bennu blaenoriaethau datblygu. O ystyried dynameg uchel datblygiad y diwydiant TG, y galw cynyddol gan fusnes a'r llywodraeth am dechnolegau newydd, bob tro y byddwn yn pennu fector datblygu ac yn buddsoddi ein lluoedd a'n harian ein hunain ym mhotensial gwyddonol ein cwmni, rydym yn gwneud yn siΕ΅r bod mae ein holl waith ymchwil a phrosiectau o natur sylfaenol a rhyngddisgyblaethol.
Felly, trwy ddatblygu ein prif dechnoleg - fframwaith adnabod data HIEROGLYPH, rydym yn pryderu am wella ansawdd adnabod dogfennau (ein prif linell fusnes) a'r posibilrwydd o ddefnyddio'r dechnoleg i ddatrys problemau cydnabyddiaeth cysylltiedig. Yn yr erthygl heddiw byddwn yn dweud wrthych sut, yn seiliedig ar ein peiriant adnabod (dogfennau), y gwnaethom gydnabod gwrthrychau mwy, strategol bwysig mewn ffrwd fideo.
Datganiad o'r broblem
Gan ddefnyddio datblygiadau presennol, adeiladu system adnabod tanc sy'n ei gwneud hi'n bosibl dosbarthu gwrthrych, yn ogystal Γ’ phennu dangosyddion geometrig sylfaenol (cyfeiriadedd a phellter) mewn amodau a reolir yn wael heb ddefnyddio offer arbenigol.
penderfyniad
Dewiswyd y dull dysgu peirianyddol ystadegol fel y prif algorithm ar gyfer datrys y broblem. Ond un o broblemau allweddol dysgu peiriant yw'r angen i gael swm digonol o ddata hyfforddi. Yn amlwg, nid yw delweddau naturiol a gafwyd o olygfeydd go iawn sy'n cynnwys y gwrthrychau sydd eu hangen arnom ar gael i ni. Felly, yn ffodus, penderfynwyd troi at gynhyrchu'r data angenrheidiol ar gyfer hyfforddiant . Ac eto, roedd yn ymddangos yn annaturiol i ni syntheseiddio'r data ar gyfer y dasg hon yn llwyr, felly paratowyd cynllun arbennig i efelychu golygfeydd go iawn. Mae'r model yn cynnwys gwrthrychau amrywiol sy'n efelychu cefn gwlad: gorchudd tirwedd nodweddiadol, llwyni, coed, ffensys, ac ati. Cafodd delweddau eu dal gan ddefnyddio camera digidol fformat bach. Yn ystod y broses dal delwedd, newidiodd cefndir yr olygfa yn sylweddol i wneud yr algorithmau yn fwy cadarn i newidiadau cefndir.
Y gwrthrychau targed oedd 4 model o danciau brwydr: T-90 (Rwsia), M1A2 Abrams (UDA), T-14 (Rwsia), Merkava III (Israel). Roedd gwrthrychau wedi'u lleoli mewn gwahanol leoliadau o'r polygon, gan ehangu'r rhestr o onglau gweladwy derbyniol y gwrthrych. Chwaraeodd rhwystrau peirianneg, coed, llwyni ac elfennau tirwedd eraill rΓ΄l arwyddocaol.
Felly, mewn ychydig ddyddiau fe wnaethom gasglu set ddigonol ar gyfer hyfforddiant a gwerthusiad dilynol o ansawdd yr algorithm (sawl degau o filoedd o ddelweddau).
Penderfynasant rannu'r gydnabyddiaeth ei hun yn ddwy ran: lleoleiddio gwrthrychau a dosbarthu gwrthrychau. Perfformiwyd lleoleiddio gan ddefnyddio dosbarthwr Viola a Jones hyfforddedig (wedi'r cyfan, mae tanc yn wrthrych anhyblyg arferol, heb fod yn waeth nag wyneb, felly mae dull "manylion-ddall" Viola a Jones yn lleoli'r gwrthrych targed yn gyflym). Ond ymddiriedwyd dosbarthiad a phenderfyniad yr ongl i rwydwaith niwral convolutional - yn y dasg hon mae'n bwysig i ni fod y synhwyrydd yn llwyddo i adnabod y nodweddion hynny sydd, dyweder, yn gwahaniaethu'r T-90 o'r Merkava. O ganlyniad, bu'n bosibl adeiladu cyfansoddiad effeithiol o algorithmau sy'n llwyddo i ddatrys y broblem o leoleiddio a dosbarthu gwrthrychau o'r un math.
Nesaf, fe wnaethom lansio'r rhaglen ddilynol ar ein holl lwyfannau presennol (Intel, ARM, Elbrus, Baikal, KOMDIV), optimeiddio algorithmau cyfrifiadurol anodd i gynyddu perfformiad (rydym eisoes wedi ysgrifennu am hyn sawl gwaith yn ein herthyglau, er enghraifft yma neu ) a chyflawnodd weithrediad sefydlog y rhaglen ar y ddyfais mewn amser real.
O ganlyniad i'r holl gamau gweithredu a ddisgrifiwyd, rydym wedi cael cynnyrch meddalwedd cyflawn gyda nodweddion tactegol a thechnegol sylweddol.
Darllenydd Tanc Clyfar
Felly, rydym yn cyflwyno i chi ein datblygiad newydd - rhaglen ar gyfer adnabod delweddau o danciau mewn ffrwd fideo Darllenydd Tanc Clyfar, sydd:
- Yn datrys y broblem βffrind neu elynβ ar gyfer set benodol o wrthrychau mewn amser real;
- Yn pennu paramedrau geometrig (pellter i'r gwrthrych, cyfeiriadedd dewisol y gwrthrych);
- Yn gweithio mewn tywydd heb ei reoli, yn ogystal ag yn achos blocio'r gwrthrych yn rhannol gan wrthrychau tramor;
- Gweithrediad cwbl ymreolaethol ar y ddyfais darged, gan gynnwys yn absenoldeb cyfathrebu radio;
- Rhestr o saernΓ―aeth prosesydd a gefnogir: Elbrus, Baikal, KOMDIV, yn ogystal Γ’ x86, x86_64, ARM;
- Rhestr o systemau gweithredu a gefnogir: Elbrus OS, AstraLinux OS, Atlix OS, yn ogystal ag MS Windows, macOS, dosbarthiadau Linux amrywiol sy'n cefnogi gcc 4.8, Android, iOS;
- Datblygiad cwbl ddomestig.
Fel arfer, yn y casgliad i'n herthyglau ar HabrΓ©, rydym yn darparu dolen i'r farchnad, lle gall unrhyw un sy'n defnyddio eu ffΓ΄n symudol lawrlwytho fersiwn demo o'r cais er mwyn gwerthuso perfformiad y dechnoleg mewn gwirionedd. Y tro hwn, gan ystyried manylion y cais canlyniadol, dymunwn i'n holl ddarllenwyr byth yn eu bywydau wynebu'r broblem o benderfynu'n gyflym a yw tanc yn perthyn i ochr benodol.
Ffynhonnell: hab.com