د ماشین زده کړې میتودونو په کارولو سره په ویډیو جریان کې د ټانکونو پیژندنه (د ایلبروس او بیکال پلیټ فارمونو کې +2 ویډیوګانې)

زموږ د فعالیتونو په جریان کې، موږ هره ورځ د پرمختیایي لومړیتوبونو د ټاکلو ستونزې سره مخ کیږو. د معلوماتي ټکنالوجۍ صنعت د پراختیا لوړ تحرک ته په پام سره، د نوي ټیکنالوژیو لپاره د سوداګرۍ او حکومت څخه په دوامداره توګه مخ په زیاتیدونکي غوښتنې، هرکله چې موږ د پراختیا ویکتور وټاکو او خپل ځواکونه او فنډونه زموږ د شرکت په ساینسي ظرفیت کې پانګونه کوو، موږ ډاډ ترلاسه کوو چې زموږ ټولې څیړنې او پروژې بنسټیز او بین المللي طبیعت دي.

له همدې امله ، زموږ د اصلي ټیکنالوژۍ په رامینځته کولو سره - د HIEROGLYPH ډیټا پیژندنې چوکاټ ، موږ د سند پیژندنې کیفیت (زموږ اصلي سوداګرۍ لاین) او د پیژندنې اړوند ستونزو حل کولو لپاره د ټیکنالوژۍ کارولو احتمال دواړه په اړه اندیښمن یو. په نننۍ مقاله کې به موږ تاسو ته ووایو چې څنګه زموږ د پیژندنې انجن (اسنادو) پراساس ، موږ په ویډیو جریان کې د لوی ، ستراتیژیک پلوه مهم شیانو پیژندنه وکړه.

د ستونزې تشکیل

د موجوده پرمختګونو په کارولو سره ، د ټانک پیژندنې سیسټم رامینځته کړئ چې دا ممکنه کوي چې یو شی طبقه بندي کړي ، او همدارنګه د ځانګړي تجهیزاتو کارولو پرته په ضعیف کنټرول شرایطو کې لومړني جیومیټریک شاخصونه (تقسیم او فاصله) مشخص کړي.

پریکړه

موږ د ستونزې د حل لپاره د اصلي الګوریتم په توګه د احصایوي ماشین زده کړې طریقه غوره کړه. مګر د ماشین زده کړې یو له مهمو ستونزو څخه د روزنې ډیټا د کافي اندازې اړتیا ده. په ښکاره ډول، طبیعي عکسونه چې د حقیقي صحنو څخه ترلاسه شوي هغه شیان لري چې موږ ورته اړتیا لرو موږ ته شتون نلري. له همدې امله، دا پریکړه وشوه چې د روزنې لپاره اړین معلومات تولید کړي، خوشبختانه موږ په دې ځای کې ډیرې تجربې لرو. او بیا هم، دا زموږ لپاره غیر طبیعي ښکاري چې د دې کار لپاره ډاټا په بشپړه توګه ترکیب کړئ، نو د ریښتینې صحنو سمولو لپاره یو ځانګړی ترتیب چمتو شوی و. په ماډل کې مختلف شیان شامل دي چې د کلیوالي سیمو انډول کوي: د ځانګړتیا وړ منظره پوښښ، بوټي، ونې، کټ، او نور. انځورونه د کوچني شکل ډیجیټل کیمرې په کارولو سره اخیستل شوي. د عکس اخیستلو پروسې په جریان کې، د صحنې شالید د پام وړ بدلون موندلی ترڅو الګوریتمونه د شالید بدلونونو لپاره خورا پیاوړي کړي.

هدف شوي توکي د جنګي ټانکونو څلور ماډلونه وو: T-4 (روسیه)، M90A1 ابرامز (USA)، T-2 (روسیه)، مرکاوا III (اسرائیل). توکي د پولیګون په مختلفو موقعیتونو کې موقعیت لري، په دې توګه د اعتراض د منلو وړ لید زاویو لیست پراخوي. د انجنیري خنډونو، ونو، بوټو او نورو منظرو عناصرو مهم رول لوبولی دی.

په دې توګه، په څو ورځو کې موږ د روزنې او وروسته د الګوریتم کیفیت ارزونې لپاره کافي سیټ راټول کړ (څو لسګونه زره عکسونه).

دوی پریکړه وکړه چې پیژندنه پخپله په دوه برخو ویشل: د اعتراض ځایی کول او د اعتراض طبقه بندي. ځایی کول د روزل شوي وایولا او جونز کلاسیفیر په کارولو سره ترسره شوي (په هرصورت ، ټانک یو نورمال سخت څیز دی ، د مخ څخه بد ندی ، نو د ویولا او جونز "تفصیل ړانده" میتود په چټکۍ سره د هدف توکي ځایي کوي). مګر موږ د زاویه طبقه بندي او تعیین د عصبي عصبي شبکې ته وسپارل - پدې دنده کې دا زموږ لپاره مهمه ده چې کشف کونکی په بریالیتوب سره هغه ځانګړتیاوې وپیژني چې ووایه ، له مرکاوا څخه T-90 توپیر کوي. د پایلې په توګه، دا ممکنه وه چې د الګوریتم اغیزمن جوړښت رامینځته کړي چې په بریالیتوب سره د ورته ډول شیانو ځایی کولو او طبقه بندي کولو ستونزه حل کړي.

بیا ، موږ په خپلو ټولو موجوده پلیټ فارمونو (Intel, ARM, Elbrus, Baikal, KOMDIV) کې پایله لرونکی برنامه پیل کړه ، د فعالیت زیاتولو لپاره د کمپیوټري پلوه ستونزمن الګوریتمونه غوره کړل (موږ دمخه پدې اړه زموږ په مقالو کې څو ځله لیکلي دي ، د مثال په توګه دلته https://habr.com/ru/company/smartengines/blog/438948/ او یا https://habr.com/ru/company/smartengines/blog/351134/) او په ریښتیني وخت کې په وسیله کې د برنامه مستحکم عملیات ترلاسه کړل.

د ټولو تشریح شویو کړنو په پایله کې، موږ د پام وړ تاکتیکي او تخنیکي ځانګړتیاوو سره د بشپړ سافټویر محصول ترلاسه کړ.

د سمارټ ټانک ریډر

نو، موږ تاسو ته زموږ نوی پرمختګ وړاندې کوو - په ویډیو جریان کې د ټانکونو عکسونو پیژندلو لپاره یو برنامه د سمارټ ټانک ریډرکوم چې:

• په ریښتیني وخت کې د شیانو ټاکل شوي سیټ لپاره د "دوست یا دښمن" ستونزه حل کوي؛
• جیومیټریک پیرامیټونه ټاکي (د څیز فاصله، د څیز غوره توب)؛
• په غیر کنټرول شوي هوا شرایطو کې کار کوي، په بیله بیا د بهرنیو شیانو لخوا د اعتراض د جزوی بندیدو په صورت کې؛
• په هدف آله کې په بشپړ ډول خپلواکه عملیات، په شمول د راډیو اړیکو نشتوالی؛
• د ملاتړ شوي پروسیسر جوړښتونو لیست: Elbrus، Baikal، KOMDIV، او همدارنګه x86، x86_64، ARM؛
• د ملاتړ شوي عملیاتي سیسټمونو لیست: Elbrus OS، AstraLinux OS، Atlix OS، او همدارنګه د MS وینډوز، macOS، د لینکس مختلف توزیعونه چې د gcc 4.8، Android، iOS ملاتړ کوي؛
• په بشپړه توګه کورني پرمختګ.

عموما، د هابري په اړه زموږ د مقالو په پایله کې، موږ بازار ته یو لینک چمتو کوو، چیرې چې هرڅوک د دوی ګرځنده تلیفون کاروي کولی شي د غوښتنلیک ډیمو نسخه ډاونلوډ کړي ترڅو د ټیکنالوژۍ فعالیت ارزونه وکړي. دا ځل، د پایلې غوښتنلیک ځانګړتیاوې په پام کې نیولو سره، موږ هیله لرو چې زموږ ټول لوستونکي هیڅکله د دوی په ژوند کې د دې ستونزې سره مخ نشي چې ژر تر ژره معلومه کړي چې آیا ټانک د یو ځانګړي اړخ پورې اړه لري.

سرچینه: www.habr.com