Биздин ишмердүүлүктүн жүрүшүндө биз күн сайын өнүгүүнүн артыкчылыктарын аныктоо көйгөйүнө туш болобуз. IT тармагын өнүктүрүүнүн жогорку динамикасын, бизнестин жана өкмөттүн жаңы технологияларга болгон тынымсыз өсүп жаткан суроо-талаптарын эске алуу менен, биз ар бир жолу өнүгүү векторун аныктап, өзүбүздүн күчүбүздү жана каражатыбызды компаниябыздын илимий потенциалына жумшайбыз. биздин бардык изилдөөлөрүбүз жана долбоорлорубуз фундаменталдуу жана дисциплиналар аралык мүнөзгө ээ.
Ошондуктан, биздин негизги технологиябызды - HIEROGLYPH маалыматтарды таануу негизин иштеп чыгуу менен, биз документтерди таануунун сапатын (биздин негизги багытыбыз) жакшыртууга да, тиешелүү таануу көйгөйлөрүн чечүү үчүн технологияны колдонуу мүмкүнчүлүгүнө да тынчсызданабыз. Бүгүнкү макалада биз таануу кыймылдаткычыбыздын (документтерибиздин) негизинде биз видео агымдагы чоңураак, стратегиялык маанилүү объектилерди кантип тааныганыбызды айтып беребиз.
Тапшырманын коюлушу
Колдонуудагы иштеп чыгууларды колдонуу менен объектти классификациялоого, ошондой эле атайын жабдууларды колдонбостон начар көзөмөлдөнгөн шарттарда негизги геометриялык көрсөткүчтөрдү (ориентация жана аралыкты) аныктоого мүмкүндүк берген танкты таануу системасын куруу.
чечим
Биз маселени чечүүнүн негизги алгоритми катары статистикалык машина үйрөнүү ыкмасын тандап алдык. Бирок машинаны үйрөнүүнүн негизги көйгөйлөрүнүн бири - бул окуу маалыматтарынын жетиштүү көлөмүнө ээ болуу зарылчылыгы. Бизге керектүү нерселерди камтыган реалдуу көрүнүштөрдөн алынган табигый сүрөттөлүштөр бизге жеткиликтүү эмес экени анык. Ошондуктан, бактыга жараша, окутуу үчүн зарыл болгон маалыматтарды иштеп чыгуу үчүн кайрылууга чечим кабыл алынды . Бирок, бул тапшырма үчүн маалыматтарды толугу менен синтездөө бизге табигый эместей көрүндү, ошондуктан чыныгы көрүнүштөрдү симуляциялоо үчүн атайын макет даярдалды. Модель айылды окшоштурган ар кандай объекттерди камтыйт: мүнөздүү пейзаждар, бадалдар, дарактар, тосмолор ж.б. Сүрөттөр кичинекей форматтагы санарип камеранын жардамы менен тартылган. Сүрөткө тартуу процессинде, алгоритмдерди фондо өзгөртүүлөргө туруктуураак кылуу үчүн көрүнүштүн фону олуттуу өзгөрдү.
Максаттуу объекттер согуштук танктардын 4 модели болгон: Т-90 (Россия), M1A2 Abrams (АКШ), Т-14 (Россия), Merkava III (Израиль). Объекттер көп бурчтуктун ар кандай позицияларында жайгаштырылган, ошону менен объекттин алгылыктуу көрүнүүчү бурчтарынын тизмеси кеңейтилген. Инженердик тосмолор, дарактар, бадалдар жана башка ландшафт элементтери чоң роль ойногон.
Ошентип, бир нече күндүн ичинде биз алгоритмдин сапатын (бир нече он миңдеген сүрөттөрдү) окутуу жана андан ары баалоо үчүн жетиштүү топтомун чогулттук.
Алар таанууну эки бөлүккө бөлүүнү чечишти: объектти локалдаштыруу жана объектти классификациялоо. Локалдаштыруу үйрөтүлгөн Viola жана Jones классификаторунун жардамы менен аткарылган (анткени, танк кадимки катуу объект болуп саналат, ал бетке караганда жаман эмес, ошондуктан Виола менен Джонстун "деталь-сокур" ыкмасы максаттуу объектти тез локализациялайт). Бирок биз классификациялоону жана бурчту аныктоону конволюциялык нейрондук тармакка тапшырдык - бул милдетте детектор, айталы, Т-90ду Меркавадан айырмалай турган өзгөчөлүктөрдү ийгиликтүү аныктоо биз үчүн маанилүү. Натыйжада бир типтеги объектилерди локализациялоо жана классификациялоо маселесин ийгиликтүү чечкен алгоритмдердин эффективдүү курамын түзүүгө мүмкүн болду.
Андан кийин, биз бардык иштеп жаткан платформаларыбызда (Intel, ARM, Elbrus, Baikal, KOMDIV) натыйжада программаны ишке киргиздик, өндүрүмдүүлүктү жогорулатуу үчүн оптималдаштырылган эсептөө татаал алгоритмдерин (биз бул жөнүндө макалаларыбызда бир нече жолу жазганбыз, мисалы, бул жерде же ) жана реалдуу убакыт режиминде түзмөктө программанын туруктуу иштешине жетишти.
Бардык сүрөттөлгөн иш-аракеттердин натыйжасында биз олуттуу тактикалык жана техникалык мүнөздөмөлөрү бар толук кандуу программалык продуктуну алдык.
Smart Tank Reader
Ошентип, биз сиздерге биздин жаңы иштеп чыгууну сунуштайбыз - видео агымдагы танктардын сүрөттөрүн таануу программасын Smart Tank Reader, кайсы:
- реалдуу убакытта объекттердин берилген топтому үчүн "дос же душман" маселесин чечет;
- Геометриялык параметрлерди (объектке чейинки аралыкты, объекттин артыкчылыктуу багытын) аныктайт;
- Аба ырайынын көзөмөлсүз шарттарында, ошондой эле объекттин бөтөн объектилер тарабынан жарым-жартылай тосулган учурда иштейт;
- Максаттуу түзүлүштө толук автономдуу иштөө, анын ичинде радио байланышы жок болгон учурда;
- Колдоого алынган процессорлордун архитектураларынын тизмеси: Elbrus, Baikal, KOMDIV, ошондой эле x86, x86_64, ARM;
- Колдоого алынган операциялык системалардын тизмеси: Elbrus OS, AstraLinux OS, Atlix OS, ошондой эле MS Windows, macOS, gcc 4.8, Android, iOS колдогон ар кандай Linux дистрибутивдери;
- Толугу менен ички өнүгүү.
Адатта, Habré боюнча биздин макалалардын корутундусунда биз базарга шилтеме беребиз, ал жерден мобилдик телефонун колдонгон ар бир адам технологиянын натыйжалуулугун иш жүзүндө баалоо үчүн колдонмонун демо версиясын жүктөп ала алат. Бул жолу, пайда болгон өтүнмөнүн өзгөчөлүктөрүн эске алуу менен, биз бардык окурмандарыбыз өмүрүндө эч качан танктын кайсы бир тарапка таандык экендигин тез арада аныктоо көйгөйүнө туш болбошун каалайбыз.
Source: www.habr.com