අපගේ ක්‍රියාකාරකම් අතරතුර, සංවර්ධන ප්‍රමුඛතා තීරණය කිරීමේ ගැටලුවට අපි දිනපතා මුහුණ දෙන්නෙමු. තොරතුරු තාක්ෂණ කර්මාන්තයේ දියුණුවේ ඉහළ ගතිකත්වය, නව තාක්ෂණ සඳහා ව්‍යාපාර සහ රජයෙන් නිරන්තරයෙන් වැඩිවන ඉල්ලුම සැලකිල්ලට ගනිමින්, අපි සංවර්ධනයේ දෛශිකය තීරණය කරන සෑම අවස්ථාවකම සහ අපගේ සමාගමේ විද්‍යාත්මක විභවයන් සඳහා අපගේම බලවේග සහ අරමුදල් ආයෝජනය කරන සෑම අවස්ථාවකම අපි සහතික වෙමු. අපගේ සියලුම පර්යේෂණ සහ ව්‍යාපෘති මූලික සහ අන්තර් විනය ස්වභාවයයි.
එබැවින්, අපගේ ප්රධාන තාක්ෂණය - HIEROGLYPH දත්ත හඳුනාගැනීමේ රාමුව සංවර්ධනය කිරීමෙන්, ලේඛන හඳුනාගැනීමේ ගුණාත්මකභාවය (අපගේ ප්රධාන ව්‍යාපාරික රේඛාව) වැඩිදියුණු කිරීම සහ අදාළ හඳුනාගැනීමේ ගැටළු විසඳීමට තාක්ෂණය භාවිතා කිරීමේ හැකියාව යන දෙකම පිළිබඳව අපි සැලකිලිමත් වෙමු. අද ලිපියෙන් අපි ඔබට කියන්නෙමු, අපගේ හඳුනාගැනීමේ එන්ජිම (ලේඛන) මත පදනම්ව, අපි වීඩියෝ ප්‍රවාහයක් තුළ විශාල, උපාය මාර්ගික වශයෙන් වැදගත් වස්තූන් හඳුනා ගන්නේ කෙසේද.
ගැටලුව ප්රකාශ කිරීම
පවතින වර්ධනයන් භාවිතා කරමින්, විශේෂිත උපකරණ භාවිතයෙන් තොරව දුර්වල ලෙස පාලනය කරන ලද තත්වයන් යටතේ වස්තුවක් වර්ගීකරණය කිරීමට හැකි වන පරිදි ටැංකි හඳුනාගැනීමේ පද්ධතියක් ගොඩනඟා ගැනීම මෙන්ම මූලික ජ්යාමිතික දර්ශක (දිශානතිය සහ දුර) තීරණය කිරීම.
තීරණය
ගැටළුව විසඳීම සඳහා ප්රධාන ඇල්ගොරිතමය ලෙස අපි සංඛ්යානමය යන්ත්ර ඉගෙනුම් ප්රවේශය තෝරා ගත්තෙමු. නමුත් යන්ත්ර ඉගෙනීමේ ප්රධාන ගැටලුවක් වන්නේ ප්‍රමාණවත් පුහුණු දත්ත ප්‍රමාණයක් තිබීම අවශ්ය වීමයි. පැහැදිලිවම, අපට අවශ්ය වස්තු අඩංගු සැබෑ දර්ශනවලින් ලබාගත් ස්වාභාවික රූප අපට ලබා ගත නොහැක. එබැවින්, වාසනාවකට මෙන්, පුහුණුව සඳහා අවශ්ය දත්ත උත්පාදනය කිරීමට තීරණය විය . එහෙත්, මෙම කාර්යය සඳහා දත්ත සම්පූර්ණයෙන්ම සංස්ලේෂණය කිරීම අපට අස්වාභාවික බවක් පෙනෙන්නට තිබුණි, එබැවින් සැබෑ දර්ශන අනුකරණය කිරීම සඳහා විශේෂ පිරිසැලසුමක් සකස් කරන ලදී. ආකෘතියේ ගම්බද ප්‍රදේශ අනුකරණය කරන විවිධ වස්තූන් අඩංගු වේ: ලාක්ෂණික භූ දර්ශන ආවරණය, පඳුරු, ගස්, වැටවල් යනාදිය. කුඩා ආකෘතියේ ඩිජිටල් කැමරාවක් භාවිතයෙන් පින්තූර ලබා ගන්නා ලදී. රූප ග්‍රහණය කිරීමේ ක්‍රියාවලියේදී, පසුබිම් වෙනස්කම් වලට ඇල්ගොරිතම වඩාත් ශක්තිමත් කිරීමට දර්ශනයේ පසුබිම සැලකිය යුතු ලෙස වෙනස් විය.
ඉලක්කගත වස්තූන් වූයේ යුධ ටැංකි ආකෘති 4කි: T-90 (රුසියාව), M1A2 Abrams (USA), T-14 (රුසියාව), Merkava III (ඊශ්‍රායලය). වස්තූන් බහුඅස්‍රයේ විවිධ ස්ථානවල පිහිටා ඇති අතර එමඟින් වස්තුවේ පිළිගත හැකි දෘශ්‍ය කෝණ ලැයිස්තුව පුළුල් කරයි. ඉංජිනේරු බාධක, ගස්, පඳුරු සහ අනෙකුත් භූ දර්ශන අංග සැලකිය යුතු කාර්යභාරයක් ඉටු කළේය.
මේ අනුව, දින කිහිපයකින් අපි ඇල්ගොරිතමයේ ගුණාත්මකභාවය පිළිබඳ පුහුණුව සහ පසුව ඇගයීම සඳහා ප්‍රමාණවත් කට්ටලයක් එකතු කළෙමු (පින්තූර දස දහස් ගණනක්).
ඔවුන් හඳුනාගැනීම කොටස් දෙකකට බෙදීමට තීරණය කළහ: වස්තු ස්ථානගත කිරීම සහ වස්තු වර්ගීකරණය. පුහුණු Viola සහ Jones වර්ගීකාරකයක් භාවිතයෙන් දේශීයකරණය සිදු කරන ලදී (සියල්ලට පසු, ටැංකියක් යනු සාමාන්‍ය දෘඩ වස්තුවකි, මුහුණකට වඩා නරක නැත, එබැවින් Viola සහ Jones හි "විස්තර-අන්ධ" ක්රමය ඉක්මනින් ඉලක්කගත වස්තුව ස්ථානගත කරයි). නමුත් අපි කෝණ වර්ගීකරණය සහ නිර්ණය කිරීම පරිවර්තනීය ස්නායුක ජාලයකට භාර දුන්නෙමු - මෙම කාර්යයේදී අනාවරකය මර්කාවා වෙතින් T-90 වෙන්කර හඳුනාගත හැකි ලක්ෂණ සාර්ථකව හඳුනා ගැනීම අපට වැදගත් වේ. එහි ප්රතිඵලයක් වශයෙන්, එකම වර්ගයේ වස්තූන් ප්රාදේශීයකරණය සහ වර්ගීකරණය පිළිබඳ ගැටළුව සාර්ථකව විසඳන ඇල්ගොරිතමවල ඵලදායී සංයුතියක් ගොඩනැගීමට හැකි විය.
මීලඟට, අපි අපගේ දැනට පවතින සියලුම වේදිකාවල (Intel, ARM, Elbrus, Baikal, KOMDIV) ප්රතිඵලයක් ලෙස වැඩසටහන දියත් කළෙමු, කාර්ය සාධනය වැඩි කිරීම සඳහා පරිගණකමය වශයෙන් දුෂ්කර ඇල්ගොරිතමයන් ප්‍රශස්තකරණය කළෙමු (අපි මේ ගැන දැනටමත් අපගේ ලිපිවල කිහිප වතාවක් ලියා ඇත, උදාහරණයක් ලෙස මෙහි හෝ ) සහ තත්‍ය කාලීනව උපාංගයේ වැඩසටහනේ ස්ථායී ක්‍රියාකාරිත්වය සාක්ෂාත් කර ගැනීම.
සියලුම විස්තර කරන ලද ක්රියාවන්හි ප්රතිඵලයක් වශයෙන්, අපි සැලකිය යුතු උපායශීලී සහ තාක්ෂණික ලක්ෂණ සහිත සම්පූර්ණ මෘදුකාංග නිෂ්පාදනයක් ලබාගෙන ඇත.
Smart Tank Reader
එබැවින්, අපි ඔබට අපගේ නව සංවර්ධනය ඉදිරිපත් කරමු - වීඩියෝ ප්‍රවාහයක ටැංකිවල රූප හඳුනාගැනීමේ වැඩසටහනකි Smart Tank Reader, කුමන:
- දී ඇති වස්තු සමූහයක් සඳහා "මිතුරෙකු හෝ සතුරා" ගැටළුව තථ්‍ය කාලීනව විසඳයි;
- ජ්යාමිතික පරාමිතීන් තීරණය කරයි (වස්තුවට ඇති දුර, වස්තුවේ කැමති දිශානතිය);
- පාලනය නොකළ කාලගුණික තත්ත්වයන් තුළ මෙන්ම විදේශීය වස්තූන් විසින් වස්තුව අර්ධ වශයෙන් අවහිර කිරීමේදීද ක්රියා කරයි;
- ගුවන්විදුලි සන්නිවේදනය නොමැතිකම ඇතුළුව ඉලක්කගත උපාංගයේ පූර්ණ ස්වයංක්‍රීය ක්‍රියාකාරිත්වය;
- සහාය දක්වන ප්‍රොසෙසර ගෘහ නිර්මාණ ලැයිස්තුව: Elbrus, Baikal, KOMDIV, මෙන්ම x86, x86_64, ARM;
- සහාය දක්වන මෙහෙයුම් පද්ධති ලැයිස්තුව: Elbrus OS, AstraLinux OS, Atlix OS, මෙන්ම MS Windows, macOS, gcc 4.8, Android, iOS සඳහා සහය දක්වන විවිධ Linux බෙදාහැරීම්;
- සම්පූර්ණයෙන්ම ගෘහස්ථ සංවර්ධනය.
සාමාන්‍යයෙන්, Habré පිළිබඳ අපගේ ලිපි අවසානයේ, අපි වෙළඳපොළට සබැඳියක් සපයන්නෙමු, එහිදී ඔවුන්ගේ ජංගම දුරකථනය භාවිතා කරන ඕනෑම කෙනෙකුට තාක්‍ෂණයේ ක්‍රියාකාරීත්වය සැබවින්ම තක්සේරු කිරීම සඳහා යෙදුමේ ආදර්ශන අනුවාදයක් බාගත කළ හැකිය. මෙවර, ලැබෙන යෙදුමේ විශේෂතා සැලකිල්ලට ගනිමින්, ටැංකියක් යම් පැත්තකට අයත් දැයි ඉක්මනින් තීරණය කිරීමේ ගැටලුවට අපගේ සියලුම පාඨකයන්ට ඔවුන්ගේ ජීවිත තුළ කිසිදාක මුහුණ දීමට සිදු නොවේවායි අපි ප්‍රාර්ථනා කරමු.
මූලාශ්රය: www.habr.com