No transcurso das nosas actividades afrontámonos diariamente co problema de determinar as prioridades de desenvolvemento. Tendo en conta a alta dinámica de desenvolvemento da industria das TIC, a demanda en constante aumento das empresas e do goberno de novas tecnoloxías, cada vez que determinamos o vector de desenvolvemento e investimos as nosas propias forzas e fondos no potencial científico da nosa empresa, asegurámonos de que todas as nosas investigacións e proxectos son fundamentais e interdisciplinares.
Polo tanto, ao desenvolver a nosa tecnoloxía principal, o marco de recoñecemento de datos HIEROGLYPH, preocúpanos tanto a mellora da calidade do recoñecemento de documentos (a nosa principal liña de negocio) como a posibilidade de utilizar a tecnoloxía para resolver problemas de recoñecemento relacionados. No artigo de hoxe contarémosche como, baseándonos no noso motor de recoñecemento (documentos), fixemos o recoñecemento de obxectos máis grandes e estratexicamente importantes nun fluxo de vídeo.
Declaración de problemas
Utilizando os desenvolvementos existentes, construír un sistema de recoñecemento de tanques que permita clasificar un obxecto, así como determinar indicadores xeométricos básicos (orientación e distancia) en condicións mal controladas sen o uso de equipos especializados.
decisión
Escollemos o enfoque estatístico de aprendizaxe automática como o principal algoritmo para resolver o problema. Pero un dos problemas fundamentais da aprendizaxe automática é a necesidade de ter unha cantidade suficiente de datos de formación. Obviamente, as imaxes naturais obtidas a partir de escenas reais que conteñan os obxectos que necesitamos non están dispoñibles para nós. Por iso, decidiuse recorrer á xeración dos datos necesarios para a formación, afortunadamente . E aínda así, parecíanos antinatural sintetizar completamente os datos para esta tarefa, polo que se preparou un deseño especial para simular escenas reais. A maqueta contén diversos obxectos que simulan o campo: revestimento paisaxístico característico, arbustos, árbores, valados, etc. As imaxes foron capturadas cunha cámara dixital de pequeno formato. Durante o proceso de captura de imaxes, o fondo da escena cambiou significativamente para facer os algoritmos máis robustos aos cambios de fondo.
Os obxectos obxectivo eran 4 modelos de tanques de batalla: T-90 (Rusia), M1A2 Abrams (EUA), T-14 (Rusia), Merkava III (Israel). Os obxectos situáronse en diferentes posicións do polígono, ampliando así a lista de ángulos visibles aceptables do obxecto. As barreiras de enxeñería, as árbores, os arbustos e outros elementos paisaxísticos xogaron un papel importante.
Así, nun par de días recollemos un conxunto suficiente para o adestramento e a posterior avaliación da calidade do algoritmo (varias decenas de miles de imaxes).
Decidiron dividir o propio recoñecemento en dúas partes: localización de obxectos e clasificación de obxectos. A localización realizouse mediante un clasificador de Viola e Jones adestrado (a fin de contas, un tanque é un obxecto ríxido normal, non peor que unha cara, polo que o método "detalle cego" de Viola e Jones localiza rapidamente o obxecto obxectivo). Pero confiamos a clasificación e determinación do ángulo a unha rede neuronal convolucional; nesta tarefa é importante para nós que o detector identifique con éxito aquelas características que, por exemplo, distinguen o T-90 do Merkava. Como resultado, foi posible construír unha composición eficaz de algoritmos que resolve con éxito o problema de localización e clasificación de obxectos do mesmo tipo.
A continuación, lanzamos o programa resultante en todas as nosas plataformas existentes (Intel, ARM, Elbrus, Baikal, KOMDIV), optimizamos algoritmos computacionalmente difíciles para aumentar o rendemento (xa escribimos sobre isto varias veces nos nosos artigos, por exemplo aquí). ou ) e conseguiu un funcionamento estable do programa no dispositivo en tempo real.
Como resultado de todas as accións descritas, obtivemos un produto de software completo con características tácticas e técnicas significativas.
Lector de tanques intelixentes
Entón, presentámosche o noso novo desenvolvemento: un programa para recoñecer imaxes de tanques nun fluxo de vídeo Lector de tanques intelixentes, que:
- Resolve o problema de "amigo ou inimigo" para un determinado conxunto de obxectos en tempo real;
- Determina parámetros xeométricos (distancia ao obxecto, orientación preferida do obxecto);
- Traballa en condicións meteorolóxicas incontroladas, así como no caso de bloqueo parcial do obxecto por obxectos estraños;
- Operación totalmente autónoma no dispositivo de destino, incluso en ausencia de comunicación por radio;
- Lista de arquitecturas de procesadores compatibles: Elbrus, Baikal, KOMDIV, así como x86, x86_64, ARM;
- Lista de sistemas operativos compatibles: Elbrus OS, AstraLinux OS, Atlix OS, así como MS Windows, macOS, varias distribucións de Linux compatibles con gcc 4.8, Android, iOS;
- Desenvolvemento totalmente doméstico.
Normalmente, na conclusión dos nosos artigos sobre Habré, proporcionamos unha ligazón ao mercado, onde calquera que use o seu teléfono móbil pode descargar unha versión de demostración da aplicación para avaliar realmente o rendemento da tecnoloxía. Esta vez, tendo en conta os detalles específicos da aplicación resultante, desexamos que todos os nosos lectores nunca na súa vida se enfronten ao problema de determinar rapidamente se un tanque pertence a un determinado lado.
Fonte: www.habr.com