Бид үйл ажиллагааныхаа явцад хөгжлийн тэргүүлэх чиглэлийг тодорхойлох асуудалтай өдөр бүр тулгардаг. Мэдээллийн технологийн салбарын хөгжлийн өндөр динамик, бизнес, засгийн газраас шинэ технологийн эрэлт хэрэгцээ байнга нэмэгдэж байгааг харгалзан бид хөгжлийн векторыг тодорхойлж, компанийнхаа шинжлэх ухааны чадавхид өөрсдийн хүч, хөрөнгө оруулалт хийх бүртээ итгэлтэй байдаг. Манай бүх судалгаа, төслүүд нь суурь, салбар хоорондын шинж чанартай байдаг.
Тиймээс бид HIEROGLYPH өгөгдөл таних үндсэн технологийг хөгжүүлснээр баримт бичиг таних чанарыг сайжруулах (бидний бизнесийн үндсэн чиглэл) болон холбогдох таних асуудлыг шийдвэрлэхэд технологийг ашиглах боломжийн талаар санаа зовж байна. Өнөөдрийн нийтлэлд бид хэрхэн таних хөдөлгүүр (баримт бичиг) дээр үндэслэн видео урсгал дахь илүү том, стратегийн ач холбогдолтой объектуудыг хэрхэн таних талаар танд хэлэх болно.
Асуудлын тодорхойлолт
Одоо байгаа бүтээн байгуулалтыг ашиглан тусгай тоног төхөөрөмж ашиглахгүйгээр объектыг ангилах, түүнчлэн хяналт муутай нөхцөлд үндсэн геометрийн үзүүлэлтүүдийг (чиг баримжаа, зай) тодорхойлох боломжтой танкийг таних системийг бий болгох.
шийдвэр
Бид асуудлыг шийдвэрлэх гол алгоритм болгон статистикийн машин сургалтын аргыг сонгосон. Гэхдээ машин сургалтын гол бэрхшээлүүдийн нэг бол хангалттай хэмжээний сургалтын өгөгдөлтэй байх хэрэгцээ юм. Мэдээжийн хэрэг, бидэнд хэрэгтэй объектуудыг агуулсан бодит үзэгдлээс олж авсан байгалийн зургууд бидэнд байхгүй. Тиймээс аз болоход сургалтанд шаардлагатай өгөгдлийг бий болгохоор шийдсэн . Гэсэн хэдий ч энэ даалгаврын өгөгдлийг бүрэн нэгтгэх нь бидэнд ер бусын мэт санагдаж байсан тул бодит үзэгдлүүдийг дуурайх тусгай зохион байгуулалтыг бэлтгэсэн. Энэхүү загвар нь хөдөө орон нутгийг дуурайдаг янз бүрийн объектуудыг агуулдаг: өвөрмөц ландшафтын бүрээс, бут, мод, хашаа гэх мэт. Зургийг жижиг форматтай дижитал камер ашиглан авсан. Зураг авах явцад алгоритмуудыг дэвсгэр өөрчлөлтөд илүү бат бөх болгохын тулд үзэгдлийн арын дэвсгэр ихээхэн өөрчлөгдсөн.
Зорилтот объектууд нь байлдааны танкийн 4 загвар байв: Т-90 (Орос), М1А2 Абрамс (АНУ), Т-14 (Орос), Меркава III (Израиль). Объектуудыг олон өнцөгтийн өөр өөр байрлалд байрлуулсан бөгөөд ингэснээр объектын хүлээн зөвшөөрөгдөх үзэгдэх өнцгийн жагсаалтыг өргөжүүлсэн. Инженерийн хаалт, мод, бут болон бусад ландшафтын элементүүд ихээхэн үүрэг гүйцэтгэсэн.
Тиймээс, хэд хоногийн дотор бид алгоритмын чанарыг (хэдэн арван мянган зураг) сургах, дараа нь үнэлэхэд хангалттай багц цуглуулсан.
Тэд хүлээн зөвшөөрлийг объектын нутагшуулалт ба объектын ангилал гэсэн хоёр хэсэгт хуваахаар шийджээ. Локалчлалыг бэлтгэгдсэн Виола ба Жонс ангилагч ашиглан гүйцэтгэсэн (эцэст нь танк бол ердийн хатуу объект бөгөөд нүүрнээс муу зүйл биш тул Виола, Жонс нарын "нарийвчилсан харалган" арга нь зорилтот объектыг хурдан нутагшуулдаг). Гэхдээ бид эргэлтийн мэдрэлийн сүлжээний өнцгийг ангилж, тодорхойлохыг даалгасан - энэ ажилд детектор нь Т-90-ийг Меркавагаас ялгах шинж чанаруудыг амжилттай тодорхойлох нь бидний хувьд чухал юм. Үүний үр дүнд ижил төрлийн объектуудыг нутагшуулах, ангилах асуудлыг амжилттай шийдэж чадсан алгоритмын үр дүнтэй найрлагыг бий болгох боломжтой болсон.
Дараа нь бид одоо байгаа бүх платформ дээрээ (Intel, ARM, Elbrus, Baikal, KOMDIV) үр дүнд хүрсэн програмыг эхлүүлж, гүйцэтгэлийг нэмэгдүүлэхийн тулд тооцоолоход хэцүү алгоритмуудыг оновчтой болгосон (бид энэ тухай нийтлэлдээ хэд хэдэн удаа бичсэн, жишээлбэл энд бичсэн болно. буюу ) болон бодит цаг хугацаанд төхөөрөмж дээрх програмын тогтвортой ажиллагааг хангасан.
Тайлбарласан бүх үйл ажиллагааны үр дүнд бид чухал тактикийн болон техникийн шинж чанартай бүрэн хэмжээний програм хангамжийн бүтээгдэхүүнийг олж авлаа.
Ухаалаг танк уншигч
Тиймээс бид танд шинэ бүтээн байгуулалт болох видео урсгал дахь танкийн зургийг таних програмыг танилцуулж байна Ухаалаг танк уншигч, аль нь:
- Өгөгдсөн объектын "найз эсвэл дайсан" асуудлыг бодит цаг хугацаанд шийддэг;
- Геометрийн параметрүүдийг тодорхойлдог (объект хүртэлх зай, объектын илүүд үздэг чиглэл);
- Цаг агаарын хяналтгүй нөхцөлд, түүнчлэн объектыг гадны биетээр хэсэгчлэн хаасан тохиолдолд ажилладаг;
- Зорилтот төхөөрөмж дээр бүрэн бие даасан ажиллагаа, түүний дотор радио холбоо байхгүй тохиолдолд;
- Дэмжигдсэн процессорын архитектуруудын жагсаалт: Elbrus, Baikal, KOMDIV, түүнчлэн x86, x86_64, ARM;
- Дэмжигдсэн үйлдлийн системүүдийн жагсаалт: Elbrus OS, AstraLinux OS, Atlix OS, түүнчлэн MS Windows, macOS, gcc 4.8, Android, iOS дэмждэг төрөл бүрийн Linux түгээлтүүд;
- Бүрэн дотоодын бүтээн байгуулалт.
Ихэвчлэн Habré-ийн талаархи нийтлэлийнхээ төгсгөлд бид технологийн гүйцэтгэлийг бодитоор үнэлэхийн тулд гар утсаа ашигладаг хүн бүр програмын демо хувилбарыг татаж авах боломжтой зах зээлийн холбоосыг өгдөг. Энэ удаад үүссэн хэрэглээний онцлогийг харгалзан бид бүх уншигчиддаа танк нь тодорхой талд хамаарах эсэхийг хурдан тодорхойлох асуудалтай амьдралдаа хэзээ ч тулгарахгүй байхыг хүсч байна.
Эх сурвалж: www.habr.com