मेसिन लर्निङ विधिहरू प्रयोग गरेर भिडियो स्ट्रिममा ट्याङ्कहरूको पहिचान (एल्ब्रस र बैकल प्लेटफर्महरूमा +२ भिडियोहरू)

हाम्रा गतिविधिहरूको क्रममा, हामी दैनिक रूपमा विकास प्राथमिकताहरू निर्धारण गर्ने समस्याको सामना गर्छौं। आईटी उद्योगको विकासको उच्च गतिशीलतालाई ध्यानमा राख्दै, नयाँ प्रविधिहरूको लागि व्यवसाय र सरकारबाट निरन्तर बढ्दो माग, प्रत्येक पटक हामीले विकासको भेक्टर निर्धारण गर्छौं र हाम्रो कम्पनीको वैज्ञानिक क्षमतामा हाम्रो आफ्नै बल र कोष लगानी गर्छौं, हामी सुनिश्चित गर्छौं कि। हाम्रा सबै अनुसन्धान र परियोजनाहरू आधारभूत र अन्तःविषय प्रकृतिका हुन्।

तसर्थ, हाम्रो मुख्य टेक्नोलोजी विकास गरेर - HIEROGLYPH डाटा पहिचान ढाँचा, हामी कागजात पहिचानको गुणस्तर (हाम्रो मुख्य व्यवसाय लाइन) र सम्बन्धित पहिचान समस्याहरू समाधान गर्न टेक्नोलोजी प्रयोग गर्ने सम्भावना दुवै सुधार गर्ने बारे चिन्तित छौं। आजको लेखमा हामी तपाइँलाई हाम्रो पहिचान इन्जिन (कागजातहरू) को आधारमा कसरी भिडियो स्ट्रिममा ठूला, रणनीतिक रूपमा महत्त्वपूर्ण वस्तुहरूको पहिचान गर्यौं भनी बताउनेछौं।

समस्याको गठन

अवस्थित विकासहरू प्रयोग गरेर, ट्याङ्क पहिचान प्रणाली निर्माण गर्नुहोस् जसले वस्तुलाई वर्गीकृत गर्न सम्भव बनाउँछ, साथै विशेष उपकरणहरूको प्रयोग बिना खराब नियन्त्रित अवस्थामा आधारभूत ज्यामितीय संकेतकहरू (अभिविन्यास र दूरी) निर्धारण गर्दछ।

निर्णय

हामीले समस्या समाधानको लागि मुख्य एल्गोरिदमको रूपमा तथ्याङ्कीय मेसिन लर्निङ दृष्टिकोण रोज्यौं। तर मेशिन लर्निङको प्रमुख समस्याहरू मध्ये एक पर्याप्त मात्रामा प्रशिक्षण डेटा हुनु आवश्यक छ। स्पष्ट रूपमा, हामीलाई चाहिने वस्तुहरू समावेश भएका वास्तविक दृश्यहरूबाट प्राप्त प्राकृतिक छविहरू हामीलाई उपलब्ध छैनन्। त्यसकारण, सौभाग्यवश, प्रशिक्षणको लागि आवश्यक डाटा उत्पन्न गर्न रिसोर्ट गर्ने निर्णय गरियो हामीसँग यो ठाउँमा धेरै अनुभव छ। र अझै पनि, यो कार्यको लागि डेटा पूर्णतया संश्लेषण गर्न हामीलाई अप्राकृतिक लाग्थ्यो, त्यसैले वास्तविक दृश्यहरू अनुकरण गर्न एक विशेष लेआउट तयार गरिएको थियो। मोडेलले ग्रामीण इलाकाको अनुकरण गर्ने विभिन्न वस्तुहरू समावेश गर्दछ: विशेषता परिदृश्य कभर, झाडीहरू, रूखहरू, बारहरू, इत्यादि। तस्बिरहरू सानो ढाँचा डिजिटल क्यामेरा प्रयोग गरेर कैद गरियो। छवि क्याप्चर प्रक्रियाको क्रममा, एल्गोरिदमहरूलाई पृष्ठभूमि परिवर्तनहरूमा अझ बलियो बनाउन दृश्यको पृष्ठभूमिमा उल्लेखनीय परिवर्तन भयो।

लक्ष्य वस्तुहरू युद्ध ट्याङ्कका 4 मोडेलहरू थिए: T-90 (रूस), M1A2 अब्राम्स (संयुक्त राज्य अमेरिका), T-14 (रूस), मर्कावा III (इजरायल)। वस्तुहरू बहुभुजको विभिन्न स्थानहरूमा अवस्थित थिए, जसले गर्दा वस्तुको स्वीकार्य दृश्य कोणहरूको सूची विस्तार भयो। ईन्जिनियरिङ् अवरोधहरू, रूखहरू, झाडीहरू र अन्य परिदृश्य तत्वहरूले महत्त्वपूर्ण भूमिका खेले।

यसरी, केही दिनमा हामीले एल्गोरिथ्मको गुणस्तरको तालिम र त्यसपछिको मूल्याङ्कनका लागि पर्याप्त सेट सङ्कलन गर्‍यौं (हजारौं तस्बिरहरू)।

तिनीहरूले पहिचानलाई दुई भागमा विभाजन गर्ने निर्णय गरे: वस्तु स्थानीयकरण र वस्तु वर्गीकरण। स्थानीयकरण प्रशिक्षित भियोला र जोन्स वर्गीकरणकर्ता प्रयोग गरेर प्रदर्शन गरिएको थियो (अब, ट्यांक एक सामान्य कठोर वस्तु हो, अनुहार भन्दा खराब छैन, त्यसैले Viola र जोन्सको "विस्तृत-अन्धो" विधिले लक्ष्य वस्तुलाई द्रुत रूपमा स्थानीयकरण गर्दछ)। तर हामीले कोणको वर्गीकरण र दृढतालाई कन्वोल्युशनल न्यूरल नेटवर्कमा सुम्प्यौं - यो कार्यमा हाम्रो लागि यो महत्त्वपूर्ण छ कि डिटेक्टरले ती सुविधाहरू सफलतापूर्वक पहिचान गर्दछ, भनौं, T-90 लाई Merkava बाट फरक पार्छ। नतिजाको रूपमा, एल्गोरिदमहरूको प्रभावकारी संरचना निर्माण गर्न सम्भव थियो जसले स्थानीयकरण र समान प्रकारका वस्तुहरूको वर्गीकरणको समस्या सफलतापूर्वक समाधान गर्दछ।

अर्को, हामीले हाम्रा सबै अवस्थित प्लेटफर्महरू (Intel, ARM, Elbrus, Baikal, KOMDIV) मा नतिजा कार्यक्रम सुरु गर्यौं, कार्यसम्पादन बढाउनको लागि कम्प्युटेशनली कठिन एल्गोरिदमहरू अनुकूलित गरियो (हामीले यसबारे हाम्रा लेखहरूमा धेरै पटक लेखेका छौं, उदाहरणका लागि यहाँ। https://habr.com/ru/company/smartengines/blog/438948/ वा https://habr.com/ru/company/smartengines/blog/351134/) र वास्तविक समयमा उपकरणमा कार्यक्रम को स्थिर सञ्चालन हासिल।

सबै वर्णित कार्यहरूको परिणाम स्वरूप, हामीले महत्त्वपूर्ण रणनीतिक र प्राविधिक विशेषताहरूको साथ पूर्ण-सफ्टवेयर उत्पादन प्राप्त गरेका छौं।

स्मार्ट ट्यांक रिडर

त्यसोभए, हामी तपाइँलाई हाम्रो नयाँ विकास प्रस्तुत गर्दछौं - भिडियो स्ट्रिममा ट्याङ्कहरूको छविहरू पहिचान गर्ने कार्यक्रम स्मार्ट ट्यांक रिडर, जुन:

• वास्तविक समयमा वस्तुहरूको दिइएको सेटको लागि "मित्र वा शत्रु" समस्या समाधान गर्दछ;
• ज्यामितीय मापदण्डहरू (वस्तुको दूरी, वस्तुको प्राथमिकता अभिमुखीकरण) निर्धारण गर्दछ;
• अनियन्त्रित मौसम अवस्थाहरूमा काम गर्दछ, साथै विदेशी वस्तुहरू द्वारा वस्तुको आंशिक अवरुद्धको अवस्थामा;
• रेडियो संचारको अनुपस्थिति सहित लक्षित उपकरणमा पूर्ण रूपमा स्वायत्त सञ्चालन;
• समर्थित प्रोसेसर आर्किटेक्चरहरूको सूची: Elbrus, Baikal, KOMDIV, साथै x86, x86_64, ARM;
• समर्थित अपरेटिङ सिस्टमहरूको सूची: Elbrus OS, AstraLinux OS, Atlix OS, साथै MS Windows, macOS, विभिन्न Linux वितरणहरू समर्थन गर्ने gcc 4.8, Android, iOS;
• पूर्ण रूपमा घरेलु विकास।

सामान्यतया, Habré मा हाम्रा लेखहरूको निष्कर्षमा, हामी बजारमा लिङ्क प्रदान गर्दछौं, जहाँ जो कोहीले आफ्नो मोबाइल फोन प्रयोग गरेर अनुप्रयोगको डेमो संस्करण डाउनलोड गर्न सक्छन् वास्तवमा टेक्नोलोजीको प्रदर्शन मूल्याङ्कन गर्न। यस पटक, नतिजा अनुप्रयोगको विवरणहरूलाई ध्यानमा राख्दै, हामी चाहन्छौं कि हाम्रा सबै पाठकहरूले उनीहरूको जीवनमा कुनै पनि ट्याङ्की निश्चित पक्षसँग सम्बन्धित छ कि छैन भनेर द्रुत रूपमा निर्धारण गर्ने समस्याको सामना गर्न नपरोस्।

स्रोत: www.habr.com