Yn 'e rin fan ús aktiviteiten steane wy alle dagen foar it probleem fan it bepalen fan ûntwikkelingsprioriteiten. Sjoen de hege dynamyk fan ûntwikkeling fan 'e IT-sektor, de hieltyd tanimmende fraach fan bedriuw en oerheid nei nije technologyen, elke kear as wy de vector fan ûntwikkeling bepale en ús eigen krêften en fûnsen ynvestearje yn it wittenskiplik potinsjeel fan ús bedriuw, soargje wy derfoar dat al ús ûndersyk en projekten binne fûnemintele en ynterdissiplinêre natuer.
Dêrom, troch it ûntwikkeljen fan ús haadtechnology - it HIEROGLYPH gegevenserkenningskader, meitsje wy ús soargen oer sawol it ferbetterjen fan de kwaliteit fan dokuminterkenning (ús haadbedriuwline) en de mooglikheid om de technology te brûken om relatearre erkenningsproblemen op te lossen. Yn dit artikel sille wy jo fertelle hoe't wy, basearre op ús erkenningsmotor (dokuminten), erkenning makken fan gruttere, strategysk wichtige objekten yn in fideostream.
Probleemintwurding
Mei help fan besteande ûntjouwings, bouwe in tank erkenning systeem dat makket it mooglik om te klassifisearjen in objekt, en ek bepale basis geometryske yndikatoaren (oriïntaasje en ôfstân) yn min kontrolearre omstannichheden sûnder it brûken fan spesjalisearre apparatuer.
beslút
Wy hawwe de oanpak fan statistyske masine learen keazen as it haadalgoritme foar it oplossen fan it probleem. Mar ien fan 'e wichtichste problemen fan masine learen is de needsaak om in foldwaande hoemannichte trainingsgegevens te hawwen. Fansels binne natuerlike bylden krigen fan echte sênes mei de objekten dy't wy nedich binne net beskikber foar ús. Dêrom waard besletten om taflecht te nimmen ta it generearjen fan de nedige gegevens foar training, gelokkich . En dochs like it ús ûnnatuerlik om de gegevens foar dizze taak folslein te synthesisearjen, sadat in spesjale yndieling waard taret om echte sênes te simulearjen. It model befettet ferskate objekten dy't it plattelân simulearje: karakteristike lânskipsbedekking, struiken, beammen, hekken, ensfh. Ofbyldings waarden makke mei in lyts formaat digitale kamera. Tidens it proses fan opname fan ôfbyldings feroare de eftergrûn fan 'e sêne signifikant om de algoritmen robúster te meitsjen foar eftergrûnwizigingen.
De doelobjekten wiene 4 modellen fan slachtanks: T-90 (Ruslân), M1A2 Abrams (FS), T-14 (Ruslân), Merkava III (Israël). Objekten waarden pleatst op ferskate posysjes fan 'e polygoon, wêrtroch't de list fan akseptabele sichtbere hoeken fan it foarwerp útwreide. Engineering barriêres, beammen, strûken en oare lânskiplike eleminten spile in wichtige rol.
Sa hawwe wy yn in pear dagen in foldwaande set sammele foar training en folgjende evaluaasje fan 'e kwaliteit fan it algoritme (ferskate tsientûzenen ôfbyldings).
Se besletten om de erkenning sels te splitsen yn twa dielen: objektlokalisaasje en objektklassifikaasje. Lokalisaasje waard útfierd mei help fan in oplaat Viola en Jones klassifisearring (in tank is ommers in normaal stive foarwerp, net slimmer as in gesicht, sadat de "detail-blinde" metoade fan Viola en Jones gau lokalisearret it doel foarwerp). Mar wy hawwe de klassifikaasje en bepaling fan 'e hoeke talitten oan in konvolúsjonele neuronale netwurk - yn dizze taak is it wichtich foar ús dat de detektor mei súkses identifisearret dy funksjes dy't bygelyks de T-90 ûnderskiede fan 'e Merkava. As resultaat wie it mooglik om in effektive gearstalling fan algoritmen te bouwen dy't it probleem fan lokalisaasje en klassifikaasje fan objekten fan itselde type mei súkses oplost.
Dêrnei lansearren wy it resultearjende programma op al ús besteande platfoarms (Intel, ARM, Elbrus, Baikal, KOMDIV), optimalisearre komputerysk lestige algoritmen om prestaasjes te ferheegjen (wy hawwe dit al ferskate kearen skreaun yn ús artikels, bygelyks hjir of ) en realisearre stabile wurking fan it programma op it apparaat yn realtime.
As gefolch fan alle beskreaune aksjes hawwe wy in folweardich softwareprodukt krigen mei wichtige taktyske en technyske skaaimerken.
Smart Tank Reader
Dat, wy presintearje jo ús nije ûntwikkeling - in programma foar it herkennen fan ôfbyldings fan tanks yn in fideostream Smart Tank Reader, hokker:
- Lost it probleem "freon of fijân" foar in opjûne set fan objekten yn real time;
- Bepale geometryske parameters (ôfstân ta it objekt, foarkar oriïntaasje fan it objekt);
- Wurket yn ûnkontrolearre waarsomstannichheden, lykas yn it gefal fan in part blokkearjen fan it objekt troch frjemde objekten;
- Folslein autonome operaasje op it doelapparaat, ynklusyf by it ûntbrekken fan radiokommunikaasje;
- List fan stipe prosessor-arsjitektueren: Elbrus, Baikal, KOMDIV, lykas x86, x86_64, ARM;
- List fan stipe bestjoeringssystemen: Elbrus OS, AstraLinux OS, Atlix OS, lykas MS Windows, macOS, ferskate Linux-distribúsjes dy't gcc 4.8, Android, iOS stypje;
- Folslein ynlânske ûntwikkeling.
Normaal, yn 'e konklúzje fan ús artikels oer Habré, jouwe wy in keppeling nei de merk, wêr't elkenien dy't har mobile tillefoan brûkt in demo-ferzje fan 'e applikaasje kin downloade om de prestaasjes fan 'e technology wirklik te evaluearjen. Dizze kear, rekken hâldend mei de spesifikaasjes fan 'e resultearjende applikaasje, winskje wy al ús lêzers nea yn har libben it probleem te konfrontearjen om fluch te bepalen oft in tank ta in bepaalde kant heart.
Boarne: www.habr.com