Gure jardueretan, garapen-lehentasunak zehazteko arazoari aurre egiten diogu egunero. Informatika-industriaren garapen-dinamika handia kontuan hartuta, enpresek eta gobernuek teknologia berrien etengabeko eskaria gero eta handiagoa dela, garapenaren bektorea zehazten dugun bakoitzean eta gure indarrak eta funtsak gure enpresaren potentzial zientifikoan inbertitzen ditugun bakoitzean, ziurtatzen dugu gure ikerketa eta proiektu guztiak oinarrizko eta diziplinarteko izaera dute.
Hori dela eta, gure teknologia nagusia garatuz -HIEROGLYPH datuak aitortzeko esparrua-, dokumentuen aitorpenaren kalitatea (gure negozio-lerro nagusia) eta erlazionatutako aitorpen-arazoak konpontzeko teknologia erabiltzeko aukerak kezkatzen gaitu. Gaurko artikuluan kontatuko dizugu nola, gure ezagutze-motorra (dokumentuak) oinarrituta, bideo-korronte batean objektu handiagoak eta estrategikoki garrantzitsuak aitortzen genituen.
Arazoaren formulazioa
Dauden garapenak erabiliz, objektu bat sailkatzea posible egiten duen tankeak ezagutzeko sistema eraikitzea, baita oinarrizko adierazle geometrikoak (orientazioa eta distantzia) zehaztea gaizki kontrolatutako baldintzetan, ekipamendu espezializaturik erabili gabe.
Erabaki
Ikaskuntza automatiko estatistikoaren ikuspegia aukeratu dugu problema ebazteko algoritmo nagusi gisa. Baina ikaskuntza automatikoaren arazo nagusietako bat prestakuntza-datu kopuru nahikoa izatea da. Jakina, behar ditugun objektuak dituzten eszena errealetatik lortutako irudi naturalak ez ditugu eskura. Horregatik, prestakuntzarako beharrezko datuak sortzera jotzea erabaki zen, zorionez . Eta, hala ere, ez-naturala iruditzen zitzaigun zeregin horretarako datuak guztiz sintetizatzea, beraz, maketazio berezi bat prestatu zen benetako eszenak simulatzeko. Maketak landa simulatzen duten hainbat objektu ditu: paisaia-estaldura bereizgarria, sastrakak, zuhaitzak, hesiak, etab. Irudiak formatu txikiko kamera digital batekin atera ziren. Irudiak harrapatzeko prozesuan zehar, eszenaren atzeko planoa nabarmen aldatu zen algoritmoak atzeko aldaketetarako sendoagoak izan daitezen.
Helburuko objektuak 4 gudu tanke modelo ziren: T-90 (Errusia), M1A2 Abrams (AEB), T-14 (Errusia), Merkava III (Israel). Objektuak poligonoaren posizio desberdinetan kokatzen ziren, eta horrela objektuaren angelu ikusgai onargarrien zerrenda zabaldu zen. Ingeniaritza-hesiek, zuhaitzek, zuhaixkek eta paisaia-elementuek garrantzi handia izan zuten.
Horrela, pare bat egunetan entrenatzeko eta algoritmoaren kalitatearen ondorengo ebaluaziorako nahikoa multzo bat bildu genuen (zenbait hamarnaka mila irudi).
Errekonozimendua bera bi zatitan banatzea erabaki zuten: objektuen lokalizazioa eta objektuen sailkapena. Lokalizazioa Viola eta Jones trebatutako sailkatzaile baten bidez egin zen (azken finean, tanke bat objektu zurrun normala da, ez aurpegia baino okerragoa, beraz, Viola eta Jones-en "detaile-itsua" metodoak helburu objektua azkar lokalizatzen du). Baina angeluaren sailkapena eta zehaztapena sare neuronal konboluzional baten esku utzi genion; zeregin horretan garrantzitsua da guretzat detektagailuak, esate baterako, T-90 Merkavatik bereizten dituen ezaugarriak ongi identifikatzea. Ondorioz, mota bereko objektuen lokalizazioaren eta sailkapenaren arazoa arrakastaz konpontzen duen algoritmoen konposizio eraginkorra eraiki ahal izan zen.
Ondoren, lortutako programa martxan jarri genuen lehendik zeuden plataforma guztietan (Intel, ARM, Elbrus, Baikal, KOMDIV), errendimendua areagotzeko konputazio zailak diren algoritmoak optimizatu (dagoeneko hainbat aldiz idatzi dugu honi buruz gure artikuluetan, adibidez hemen edo ) eta programaren funtzionamendu egonkorra lortu du gailuan denbora errealean.
Deskribatutako ekintza guztien ondorioz, ezaugarri taktiko eta tekniko esanguratsuak dituen software produktu osoa lortu dugu.
Tank irakurgailu adimenduna
Beraz, gure garapen berria aurkezten dizuegu: bideo-korronte batean tankeen irudiak ezagutzeko programa Tank irakurgailu adimenduna, zeina:
- Objektu multzo jakin baterako "lagun edo etsai" arazoa denbora errealean konpontzen du;
- Parametro geometrikoak zehazten ditu (objektuarekiko distantzia, objektuaren orientazio hobetsia);
- Kontrolik gabeko eguraldi-baldintzetan egiten du lan, baita objektu arrotzekin partzialki blokeatzen direnean ere;
- Helburuko gailuaren funtzionamendu guztiz autonomoa, irrati-komunikaziorik ezean barne;
- Onartutako prozesadore-arkitekturen zerrenda: Elbrus, Baikal, KOMDIV, baita x86, x86_64, ARM ere;
- Onartutako sistema eragileen zerrenda: Elbrus OS, AstraLinux OS, Atlix OS, baita MS Windows, macOS, gcc 4.8, Android, iOS onartzen duten Linux banaketa ezberdinak;
- Erabat etxeko garapena.
Normalean, HabrΓ©-ri buruzko gure artikuluen amaieran, merkaturako esteka bat eskaintzen dugu, non bere telefono mugikorra erabiltzen duen edonork aplikazioaren demo bertsioa deskarga dezake teknologiaren errendimendua benetan ebaluatzeko. Oraingoan, ondoriozko aplikazioaren zehaztasunak kontuan hartuta, gure irakurle guztiei nahi diegu bere bizitzan inoiz ez izatea tanke bat alde jakin batekoa den ala ez zehazteko arazoari.
Iturria: www.habr.com