Біздің қызмет барысында біз күн сайын даму басымдықтарын анықтау мәселесіне тап боламыз. IT саласы дамуының жоғары серпінін, бизнес пен үкіметтің жаңа технологияларға үнемі өсіп келе жатқан сұранысын ескере отырып, біз даму векторын анықтаған сайын және өз күштеріміз бен қаражатымызды компаниямыздың ғылыми әлеуетіне салған сайын біз Біздің барлық зерттеулеріміз бен жобаларымыз іргелі және пәнаралық сипатқа ие.
Сондықтан, біздің негізгі технологиямызды - HIEROGLYPH деректерді тану негізін әзірлеу арқылы біз құжаттарды тану сапасын жақсарту (біздің негізгі бизнес бағытымыз) және сәйкес тану мәселелерін шешу үшін технологияны пайдалану мүмкіндігі туралы алаңдаймыз. Бүгінгі мақалада біз тану механизмі (құжаттар) негізінде бейне ағынында үлкенірек, стратегиялық маңызды нысандарды қалай танғанымызды айтамыз.
Мәселенің тұжырымы
Қолданыстағы әзірлемелерді пайдалана отырып, арнайы жабдықты қолданбай, нашар басқарылатын жағдайларда объектіні жіктеуге, сондай-ақ негізгі геометриялық көрсеткіштерді (бағдар мен қашықтық) анықтауға мүмкіндік беретін танкті тану жүйесін жасаңыз.
шешім
Мәселені шешудің негізгі алгоритмі ретінде біз статистикалық машиналық оқыту тәсілін таңдадық. Бірақ машиналық оқытудың негізгі мәселелерінің бірі оқу деректерінің жеткілікті көлеміне ие болу қажеттілігі болып табылады. Бізге қажетті объектілерді қамтитын нақты көріністерден алынған табиғи кескіндер бізге қол жетімді емес екені анық. Сондықтан, бақытымызға орай, оқыту үшін қажетті деректерді қалыптастыруға жүгіну туралы шешім қабылданды . Дегенмен, бұл тапсырма үшін деректерді толығымен синтездеу бізге табиғи емес болып көрінді, сондықтан нақты көріністерді имитациялау үшін арнайы макет дайындалды. Модельде ауылдық жерлерді имитациялайтын әртүрлі нысандар бар: ландшафттық жабындар, бұталар, ағаштар, қоршаулар және т.б. Суреттер шағын форматтағы сандық камераның көмегімен түсірілді. Суретке түсіру процесі кезінде алгоритмдерді фондық өзгерістерге берік ету үшін көріністің фоны айтарлықтай өзгерді.
Мақсатты нысандар жауынгерлік танктердің 4 үлгісі болды: Т-90 (Ресей), М1А2 Абрамс (АҚШ), Т-14 (Ресей), Меркава III (Израиль). Объектілер көпбұрыштың әртүрлі позицияларында орналасты, осылайша нысанның қолайлы көрінетін бұрыштарының тізімін кеңейтті. Инженерлік кедергілер, ағаштар, бұталар және басқа да ландшафт элементтері маңызды рөл атқарды.
Осылайша, бір-екі күнде біз алгоритмнің сапасын (бірнеше ондаған мың кескіндер) оқыту және кейінгі бағалау үшін жеткілікті жиынтықты жинадық.
Олар танудың өзін екі бөлікке бөлуге шешім қабылдады: объектіні локализациялау және объект классификациясы. Локализация дайындалған Виола және Джонс классификаторы арқылы орындалды (ақыр соңында, резервуар - бұл қалыпты қатты нысан, бетке қарағанда жаман емес, сондықтан Виола мен Джонстың «деталь-соқыр» әдісі мақсатты нысанды тез локализациялайды). Бірақ біз жіктеуді және бұрышты анықтауды конволюционды нейрондық желіге тапсырдық - бұл тапсырмада біз үшін детектордың, айталық, Т-90-ді Меркавадан ажырататын ерекшеліктерді сәтті анықтауы маңызды. Нәтижесінде бір типті объектілерді локализациялау және жіктеу мәселесін сәтті шешетін алгоритмдердің тиімді құрамын құру мүмкін болды.
Содан кейін біз барлық қолданыстағы платформаларымызда (Intel, ARM, Elbrus, Baikal, KOMDIV) нәтижелі бағдарламаны іске қостық, өнімділікті арттыру үшін оңтайландырылған есептеу қиын алгоритмдерін (біз бұл туралы мақалаларымызда бірнеше рет жазған болатынбыз, мысалы, мұнда немесе ) және нақты уақыт режимінде құрылғыдағы бағдарламаның тұрақты жұмысына қол жеткізді.
Барлық сипатталған әрекеттердің нәтижесінде біз маңызды тактикалық және техникалық сипаттамалары бар толыққанды бағдарламалық өнімді алдық.
Smart Tank Reader
Сонымен, біз сізге жаңа әзірлемемізді - бейне ағындағы танктердің кескіндерін тануға арналған бағдарламаны ұсынамыз Smart Tank Reader, ол:
- Нақты уақытта берілген объектілер жиынтығы үшін «дос немесе дұшпан» есебін шешеді;
- Геометриялық параметрлерді анықтайды (нысанға дейінгі қашықтық, объектінің қолайлы бағдары);
- Бақыланбайтын ауа райы жағдайында, сондай-ақ объектіні бөгде заттармен ішінара блоктау кезінде жұмыс істейді;
- Мақсатты құрылғыда толық автономды жұмыс, оның ішінде радиобайланыс болмаған кезде;
- Қолдау көрсетілетін процессор архитектураларының тізімі: Elbrus, Baikal, KOMDIV, сондай-ақ x86, x86_64, ARM;
- Қолдау көрсетілетін операциялық жүйелердің тізімі: Elbrus OS, AstraLinux OS, Atlix OS, сондай-ақ MS Windows, macOS, gcc 4.8, Android, iOS қолдайтын әртүрлі Linux дистрибутивтері;
- Толығымен отандық даму.
Әдетте, Habré туралы мақалаларымыздың соңында біз нарыққа сілтеме береміз, мұнда ұялы телефонын пайдаланатын кез келген адам технологияның өнімділігін нақты бағалау үшін қолданбаның демо нұсқасын жүктей алады. Бұл жолы, алынған қосымшаның ерекшеліктерін ескере отырып, біз барлық оқырмандарымыздың өмірлерінде танктің белгілі бір жаққа жататынын жылдам анықтау мәселесіне тап болмауларын тілейміз.
Ақпарат көзі: www.habr.com