Dum niaj agadoj, ni ĉiutage alfrontas la problemon determini disvolvajn prioritatojn. Konsiderante la altan dinamikon de disvolviĝo de la IT-industrio, la konstante kreskantan postulon de komerco kaj registaro por novaj teknologioj, ĉiufoje kiam ni determinas la vektoron de disvolviĝo kaj investas niajn proprajn fortojn kaj financojn en la scienca potencialo de nia kompanio, ni certigas, ke ĉiuj niaj esploroj kaj projektoj estas fundamenta kaj interfaka naturo.
Tial, disvolvante nian ĉefan teknologion - la kadron pri rekono de datumoj de HIEROGLYPH, ni zorgas pri kaj plibonigo de la kvalito de dokumenta rekono (nia ĉefa komerca linio) kaj la ebleco uzi la teknologion por solvi rilatajn rekonajn problemojn. En la hodiaŭa artikolo ni rakontos al vi kiel, surbaze de nia rekonmotoro (dokumentoj), ni faris rekonon de pli grandaj, strategie gravaj objektoj en videofluo.
Formulado de la problemo
Uzante ekzistantajn evoluojn, konstruu tankan rekonsistemon, kiu ebligas klasifiki objekton, kaj ankaŭ determini bazajn geometriajn indikilojn (orientiĝo kaj distanco) en malbone kontrolitaj kondiĉoj sen la uzo de speciala ekipaĵo.
decido
Ni elektis la statistikan maŝinlernadon kiel la ĉefan algoritmon por solvi la problemon. Sed unu el la ŝlosilaj problemoj de maŝinlernado estas la bezono havi sufiĉan kvanton da trejnaj datumoj. Evidente, naturaj bildoj akiritaj de realaj scenoj enhavantaj la objektojn, kiujn ni bezonas, ne estas disponeblaj por ni. Sekve, oni decidis recurri al generi la necesajn datumojn por trejnado, feliĉe . Kaj tamen, ŝajnis al ni nenatura tute sintezi la datumojn por ĉi tiu tasko, do speciala aranĝo estis preparita por simuli realajn scenojn. La modelo enhavas diversajn objektojn, kiuj simulas la kamparon: karakteriza pejzaĝkovraĵo, arbustoj, arboj, bariloj, ktp. Bildoj estis kaptitaj per malgrandformata diĝita fotilo. Dum la bildkaptprocezo, la fono de la sceno ŝanĝiĝis signife por igi la algoritmojn pli fortikaj al fonŝanĝoj.
La celobjektoj estis 4 modeloj de bataltankoj: T-90 (Rusio), M1A2 Abrams (Usono), T-14 (Rusio), Merkava III (Israelo). Objektoj situis ĉe malsamaj pozicioj de la plurangulo, tiel vastigante la liston de akcepteblaj videblaj anguloj de la objekto. Inĝenieristiko-barieroj, arboj, arbustoj kaj aliaj pejzaĝaj elementoj ludis signifan rolon.
Tiel, en kelkaj tagoj ni kolektis sufiĉan aron por trejnado kaj posta taksado de la kvalito de la algoritmo (kelkaj dekoj da miloj da bildoj).
Ili decidis dividi la rekonon mem en du partojn: objekta lokalizo kaj objektoklasifiko. Lokigo estis farita uzante trejnitan Viola kaj Jones-klasigilon (post ĉio, tanko estas normala rigida objekto, ne pli malbona ol vizaĝo, do la "detal-blinda" metodo de Viola kaj Jones rapide lokalizas la celobjekton). Sed ni konfidis la klasifikon kaj determinon de la angulo al konvolucia neŭrala reto - en ĉi tiu tasko gravas por ni, ke la detektilo sukcese identigu tiujn trajtojn, kiuj, ekzemple, distingas la T-90 de la Merkava. Kiel rezulto, eblis konstrui efikan komponadon de algoritmoj, kiu sukcese solvas la problemon de lokalizo kaj klasifiko de objektoj de la sama tipo.
Poste, ni lanĉis la rezultan programon sur ĉiuj niaj ekzistantaj platformoj (Intel, ARM, Elbrus, Bajkal, KOMDIV), optimumigitaj komputile malfacilaj algoritmoj por pliigi rendimenton (pri tio ni jam plurfoje skribis en niaj artikoloj, ekzemple ĉi tie). aŭ ) kaj atingis stabilan funkciadon de la programo sur la aparato en reala tempo.
Kiel rezulto de ĉiuj priskribitaj agoj, ni akiris plenrajtan programaran produkton kun signifaj taktikaj kaj teknikaj trajtoj.
Smart Tank Reader
Do, ni prezentas al vi nian novan evoluon - programon por rekoni bildojn de tankoj en videofluo Smart Tank Reader, kiu:
- Solvas la problemon de "amiko aŭ malamiko" por difinita aro de objektoj en reala tempo;
- Determinas geometriajn parametrojn (distanco al la objekto, preferata orientiĝo de la objekto);
- Funkcias en nekontrolitaj veterkondiĉoj, same kiel en la kazo de parta blokado de la objekto per fremdaj objektoj;
- Plene aŭtonoma operacio sur la cela aparato, inkluzive en foresto de radio-komunikado;
- Listo de subtenataj procesoraj arkitekturoj: Elbrus, Bajkal, KOMDIV, kaj ankaŭ x86, x86_64, ARM;
- Listo de subtenataj operaciumoj: Elbrus OS, AstraLinux OS, Atlix OS, same kiel MS Windows, macOS, diversaj Linuksaj distribuoj subtenantaj gcc 4.8, Android, iOS;
- Tute hejma evoluo.
Kutime, en la konkludo de niaj artikoloj pri Habré, ni provizas ligon al la vendoplaco, kie iu ajn uzanta sian poŝtelefonon povas elŝuti demo-version de la aplikaĵo por efektive taksi la efikecon de la teknologio. Ĉi-foje, konsiderante la specifaĵojn de la rezulta aplikaĵo, ni deziras, ke ĉiuj niaj legantoj neniam en sia vivo alfrontu la problemon rapide determini ĉu tanko apartenas al certa flanko.
fonto: www.habr.com