Dalam menjalankan aktivitasnya, kita sehari-hari menghadapi masalah dalam menentukan prioritas pembangunan. Mengingat tingginya dinamika perkembangan industri TI, permintaan yang terus meningkat dari dunia bisnis dan pemerintah akan teknologi baru, setiap kali kami menentukan vektor pengembangan dan menginvestasikan kekuatan dan dana kami sendiri dalam potensi ilmiah perusahaan kami, kami memastikan bahwa semua penelitian dan proyek kami bersifat fundamental dan interdisipliner.
Oleh karena itu, dengan mengembangkan teknologi utama kami - kerangka pengenalan data HIEROGLYPH, kami memperhatikan peningkatan kualitas pengenalan dokumen (lini bisnis utama kami) dan kemungkinan penggunaan teknologi tersebut untuk memecahkan masalah pengenalan terkait. Dalam artikel hari ini kami akan memberi tahu Anda bagaimana, berdasarkan mesin pengenalan (dokumen), kami melakukan pengenalan terhadap objek yang lebih besar dan penting secara strategis dalam aliran video.
Pernyataan masalah
Dengan menggunakan perkembangan yang ada, bangunlah sistem pengenalan tangki yang memungkinkan untuk mengklasifikasikan suatu objek, serta menentukan indikator geometris dasar (orientasi dan jarak) dalam kondisi yang tidak terkontrol tanpa menggunakan peralatan khusus.
keputusan
Kami memilih pendekatan pembelajaran mesin statistik sebagai algoritma utama untuk memecahkan masalah. Namun salah satu masalah utama pembelajaran mesin adalah kebutuhan akan jumlah data pelatihan yang memadai. Jelasnya, gambaran alam yang diperoleh dari pemandangan nyata yang berisi objek yang kita butuhkan tidak tersedia bagi kita. Oleh karena itu, untungnya, diputuskan untuk menggunakan menghasilkan data yang diperlukan untuk pelatihan . Namun, tampaknya tidak wajar bagi kami untuk sepenuhnya mensintesis data untuk tugas ini, jadi tata letak khusus disiapkan untuk mensimulasikan pemandangan nyata. Model berisi berbagai objek yang meniru pedesaan: karakteristik penutup lanskap, semak, pohon, pagar, dll. Gambar diambil menggunakan kamera digital format kecil. Selama proses pengambilan gambar, latar belakang pemandangan berubah secara signifikan untuk membuat algoritme lebih tangguh terhadap perubahan latar belakang.
Objek sasarannya adalah 4 model tank tempur: T-90 (Rusia), M1A2 Abrams (AS), T-14 (Rusia), Merkava III (Israel). Objek ditempatkan pada posisi poligon yang berbeda, sehingga memperluas daftar sudut pandang objek yang dapat diterima. Penghalang teknik, pepohonan, semak-semak, dan elemen lanskap lainnya memainkan peran penting.
Jadi, dalam beberapa hari kami mengumpulkan set yang cukup untuk pelatihan dan evaluasi kualitas algoritme selanjutnya (beberapa puluh ribu gambar).
Mereka memutuskan untuk membagi pengenalan itu sendiri menjadi dua bagian: lokalisasi objek dan klasifikasi objek. Lokalisasi dilakukan menggunakan pengklasifikasi Viola dan Jones yang terlatih (bagaimanapun juga, tangki adalah objek kaku normal, tidak lebih buruk dari permukaan, sehingga metode “buta detail” dari Viola dan Jones dengan cepat melokalisasi objek target). Namun kami mempercayakan klasifikasi dan penentuan sudut ke jaringan saraf konvolusional - dalam tugas ini penting bagi kami agar detektor berhasil mengidentifikasi fitur-fitur yang, misalnya, membedakan T-90 dari Merkava. Hasilnya, dimungkinkan untuk membangun komposisi algoritma yang efektif yang berhasil memecahkan masalah lokalisasi dan klasifikasi objek dengan tipe yang sama.
Selanjutnya, kami meluncurkan program yang dihasilkan pada semua platform kami yang ada (Intel, ARM, Elbrus, Baikal, KOMDIV), mengoptimalkan algoritma komputasi yang sulit untuk meningkatkan kinerja (kami telah menulis tentang ini beberapa kali di artikel kami, misalnya di sini или ) dan mencapai pengoperasian program yang stabil pada perangkat secara real time.
Sebagai hasil dari semua tindakan yang dijelaskan, kami memperoleh produk perangkat lunak lengkap dengan karakteristik taktis dan teknis yang signifikan.
Pembaca Tangki Cerdas
Jadi, kami mempersembahkan kepada Anda pengembangan baru kami - sebuah program untuk mengenali gambar tank dalam aliran video Pembaca Tangki Cerdas, yang:
- Memecahkan masalah “teman atau musuh” untuk sekumpulan objek tertentu secara real time;
- Menentukan parameter geometris (jarak ke objek, orientasi objek yang disukai);
- Bekerja dalam kondisi cuaca yang tidak terkendali, serta dalam kasus penyumbatan sebagian objek oleh benda asing;
- Pengoperasian sepenuhnya otonom pada perangkat target, termasuk jika tidak ada komunikasi radio;
- Daftar arsitektur prosesor yang didukung: Elbrus, Baikal, KOMDIV, serta x86, x86_64, ARM;
- Daftar sistem operasi yang didukung: Elbrus OS, AstraLinux OS, Atlix OS, serta MS Windows, macOS, berbagai distribusi Linux yang mendukung gcc 4.8, Android, iOS;
- Pembangunan sepenuhnya dalam negeri.
Biasanya, di akhir artikel kami di Habré, kami menyediakan tautan ke pasar, di mana siapa pun yang menggunakan ponselnya dapat mengunduh versi demo aplikasi tersebut untuk benar-benar mengevaluasi kinerja teknologi tersebut. Kali ini, dengan mempertimbangkan spesifikasi aplikasi yang dihasilkan, kami berharap semua pembaca kami tidak pernah seumur hidup menghadapi masalah dalam menentukan dengan cepat apakah sebuah tank milik pihak tertentu.
Sumber: www.habr.com