기계 학습 방법을 사용하여 비디오 스트림에서 탱크 인식(Elbrus 및 Baikal 플랫폼의 비디오 2개 이상)

활동 과정에서 우리는 매일 개발 우선 순위를 결정하는 문제에 직면합니다. IT 산업 발전의 높은 역동성, 신기술에 대한 기업과 정부의 끊임없이 증가하는 요구를 고려하여, 우리는 개발 벡터를 결정하고 회사의 과학적 잠재력에 우리 자신의 힘과 자금을 투자할 때마다 다음 사항을 확인합니다. 우리의 모든 연구와 프로젝트는 근본적이고 학제간 성격을 띠고 있습니다.

따라서 당사의 주요 기술인 HIEROGLYPH 데이터 인식 프레임워크를 개발함으로써 문서 인식(주요 사업 라인)의 품질을 향상시키고 관련 인식 문제를 해결하기 위해 이 기술을 사용할 가능성에 대해 우려하고 있습니다. 오늘 기사에서는 인식 엔진(문서)을 기반으로 비디오 스트림에서 더 크고 전략적으로 중요한 개체를 인식하는 방법에 대해 설명합니다.

문제 성명

기존 개발을 활용하여 특수 장비를 사용하지 않고도 제대로 제어되지 않은 조건에서 물체를 분류하고 기본적인 기하학적 지표(방향 및 거리)를 결정할 수 있는 탱크 인식 시스템을 구축합니다.

결정

우리는 문제 해결을 위한 주요 알고리즘으로 통계적 기계 학습 접근 방식을 선택했습니다. 그러나 머신러닝의 주요 문제 중 하나는 충분한 양의 훈련 데이터가 필요하다는 것입니다. 분명히 우리가 필요로 하는 물체가 포함된 실제 장면에서 얻은 자연스러운 이미지는 우리에게 제공되지 않습니다. 따라서 훈련에 필요한 데이터를 생성하는 데 의존하기로 결정했습니다. 다행히도 우리는 이곳에서 많은 경험을 가지고 있습니다.. 하지만 이 작업을 위해 데이터를 완전히 합성하는 것은 부자연스러워 보였기 때문에 실제 장면을 시뮬레이션하기 위해 특별한 레이아웃을 준비했습니다. 모델에는 시골을 시뮬레이션하는 다양한 개체(특징적인 풍경 덮개, 덤불, 나무, 울타리 등)가 포함되어 있습니다. 이미지는 소형 디지털 카메라를 사용하여 캡처되었습니다. 이미지 캡처 프로세스 중에 장면의 배경이 크게 변경되어 알고리즘이 배경 변경에 더욱 강력해졌습니다.

대상 물체는 T-4(러시아), M90A1 Abrams(미국), T-2(러시아), Merkava III(이스라엘)의 14개 모델의 전투 탱크였습니다. 개체는 다각형의 다양한 위치에 위치하여 개체의 허용 가능한 가시 각도 목록이 확장되었습니다. 엔지니어링 장벽, 나무, 관목 및 기타 조경 요소가 중요한 역할을 했습니다.

따라서 며칠 만에 우리는 훈련과 알고리즘 품질의 후속 평가를 위한 충분한 세트(수만 개의 이미지)를 수집했습니다.

그들은 인식 자체를 물체 위치 파악과 물체 분류라는 두 부분으로 나누기로 결정했습니다. 현지화는 훈련된 Viola 및 Jones 분류기를 사용하여 수행되었습니다. (결국 탱크는 얼굴보다 나쁘지 않은 정상적인 강체 개체이므로 Viola 및 Jones의 "세부 맹검" 방법을 통해 대상 개체를 신속하게 현지화합니다.) 그러나 우리는 각도의 분류와 결정을 컨벌루션 신경망에 맡겼습니다. 이 작업에서는 탐지기가 T-90과 Merkava를 구별하는 기능을 성공적으로 식별하는 것이 중요합니다. 그 결과, 동일 유형 객체의 위치 파악 및 분류 문제를 성공적으로 해결하는 효과적인 알고리즘 구성을 구축할 수 있었다.

다음으로 우리는 모든 기존 플랫폼(Intel, ARM, Elbrus, Baikal, KOMDIV)에서 결과 프로그램을 시작하고 계산적으로 어려운 알고리즘을 최적화하여 성능을 향상시켰습니다. https://habr.com/ru/company/smartengines/blog/438948/ 또는 https://habr.com/ru/company/smartengines/blog/351134/) 장치에서 실시간으로 안정적인 프로그램 작동을 달성했습니다.

설명된 모든 조치의 결과로 우리는 중요한 전술적, 기술적 특성을 갖춘 본격적인 소프트웨어 제품을 얻었습니다.

스마트 탱크 리더

그래서 우리는 비디오 스트림에서 탱크 이미지를 인식하는 프로그램인 새로운 개발을 여러분에게 소개합니다. 스마트 탱크 리더, 어느:

• 주어진 개체 세트에 대한 "친구 또는 적" 문제를 실시간으로 해결합니다.
• 기하학적 매개변수(객체까지의 거리, 객체의 기본 방향)를 결정합니다.
• 통제되지 않은 기상 조건뿐만 아니라 이물질에 의해 물체가 부분적으로 차단되는 경우에도 작동합니다.
• 무선 통신이 없는 경우를 포함하여 대상 장치에서 완전히 자율적으로 작동합니다.
• 지원되는 프로세서 아키텍처 목록: Elbrus, Baikal, KOMDIV 및 x86, x86_64, ARM;
• 지원되는 운영 체제 목록: Elbrus OS, AstraLinux OS, Atlix OS, MS Windows, macOS, gcc 4.8을 지원하는 다양한 Linux 배포판, Android, iOS
• 완전히 국내 개발.

일반적으로 Habré에 대한 기사의 결론에는 휴대폰을 사용하는 사람이라면 누구나 실제로 기술 성능을 평가하기 위해 애플리케이션의 데모 버전을 다운로드할 수 있는 마켓플레이스 링크가 제공됩니다. 이번에는 결과 애플리케이션의 세부 사항을 고려하여 모든 독자가 평생 동안 탱크가 특정 측면에 속하는지 신속하게 결정하는 문제에 직면하지 않기를 바랍니다.

출처 : habr.com