Gjatë aktiviteteve tona, ne përballemi çdo ditë me problemin e përcaktimit të prioriteteve zhvillimore. Duke pasur parasysh dinamikën e lartë të zhvillimit të industrisë së IT, kërkesën vazhdimisht në rritje nga biznesi dhe qeveria për teknologji të reja, sa herë që përcaktojmë vektorin e zhvillimit dhe investojmë forcat dhe fondet tona në potencialin shkencor të kompanisë sonë, sigurohemi që të gjitha kërkimet dhe projektet tona janë të natyrës themelore dhe ndërdisiplinore.
Prandaj, duke zhvilluar teknologjinë tonë kryesore - kornizën e njohjes së të dhënave HIEROGLYPH, ne jemi të shqetësuar si për përmirësimin e cilësisë së njohjes së dokumenteve (linja jonë kryesore e biznesit) ashtu edhe për mundësinë e përdorimit të teknologjisë për të zgjidhur problemet e njohjes së lidhur me to. Në artikullin e sotëm do t'ju tregojmë se si, bazuar në motorin tonë të njohjes (dokumentet), kemi bërë njohjen e objekteve më të mëdha, me rëndësi strategjike në një transmetim video.
Formulimi i problemit
Duke përdorur zhvillimet ekzistuese, ndërtoni një sistem njohjeje rezervuari që bën të mundur klasifikimin e një objekti, si dhe përcaktimin e treguesve bazë gjeometrikë (orientimi dhe distanca) në kushte të kontrolluara dobët pa përdorimin e pajisjeve të specializuara.
vendim
Ne zgjodhëm qasjen statistikore të mësimit të makinerive si algoritmin kryesor për zgjidhjen e problemit. Por një nga problemet kryesore të mësimit të makinerive është nevoja për të pasur një sasi të mjaftueshme të të dhënave të trajnimit. Natyrisht, imazhet natyrore të marra nga skena reale që përmbajnë objektet që na duhen nuk janë të disponueshme për ne. Prandaj, u vendos që për fat të mirë të përdorej për gjenerimin e të dhënave të nevojshme për trajnim . E megjithatë, na dukej e panatyrshme sintetizimi i plotë i të dhënave për këtë detyrë, kështu që u përgatit një plan urbanistik i veçantë për të simuluar skena reale. Modeli përmban objekte të ndryshme që simulojnë fshatin: mbulesa karakteristike e peizazhit, shkurre, pemë, gardhe etj. Imazhet u kapën duke përdorur një aparat fotografik dixhital me format të vogël. Gjatë procesit të kapjes së imazhit, sfondi i skenës ndryshoi ndjeshëm për t'i bërë algoritmet më të qëndrueshme ndaj ndryshimeve të sfondit.
Objektet e synuara ishin 4 modele të tankeve të betejës: T-90 (Rusi), M1A2 Abrams (SHBA), T-14 (Rusi), Merkava III (Izrael). Objektet u vendosën në pozicione të ndryshme të poligonit, duke zgjeruar kështu listën e këndeve të pranueshme të dukshme të objektit. Barrierat inxhinierike, pemët, shkurret dhe elementët e tjerë të peizazhit luajtën një rol të rëndësishëm.
Kështu, brenda dy ditësh ne mblodhëm një grup të mjaftueshëm për trajnimin dhe vlerësimin e mëvonshëm të cilësisë së algoritmit (disa dhjetëra mijëra imazhe).
Ata vendosën ta ndajnë vetë njohjen në dy pjesë: lokalizimi i objektit dhe klasifikimi i objekteve. Lokalizimi u krye duke përdorur një klasifikues të trajnuar Viola dhe Jones (në fund të fundit, një rezervuar është një objekt normal i ngurtë, jo më i keq se një fytyrë, kështu që metoda "detaje-verbër" e Viola dhe Jones lokalizon shpejt objektin e synuar). Por ne ia besuam klasifikimin dhe përcaktimin e këndit një rrjeti nervor konvolucional - në këtë detyrë është e rëndësishme për ne që detektori të identifikojë me sukses ato veçori që, të themi, dallojnë T-90 nga Merkava. Si rezultat, u bë e mundur të ndërtohet një përbërje efektive e algoritmeve që zgjidh me sukses problemin e lokalizimit dhe klasifikimit të objekteve të të njëjtit lloj.
Më pas, ne filluam programin që rezulton në të gjitha platformat tona ekzistuese (Intel, ARM, Elbrus, Baikal, KOMDIV), optimizuam algoritme të vështira llogaritëse për të rritur performancën (ne kemi shkruar tashmë për këtë disa herë në artikujt tanë, për shembull këtu ose ) dhe arriti funksionimin e qëndrueshëm të programit në pajisje në kohë reale.
Si rezultat i të gjitha veprimeve të përshkruara, ne kemi marrë një produkt softuerësh të plotë me karakteristika të rëndësishme taktike dhe teknike.
Lexues i zgjuar i tankeve
Pra, ne ju paraqesim zhvillimin tonë të ri - një program për njohjen e imazheve të tankeve në një transmetim video Lexues i zgjuar i tankeve, e cila:
- Zgjidh problemin “mik apo armik” për një grup të caktuar objektesh në kohë reale;
- Përcakton parametrat gjeometrikë (distanca nga objekti, orientimi i preferuar i objektit);
- Punon në kushte moti të pakontrolluara, si dhe në rast bllokimi të pjesshëm të objektit nga objekte të huaja;
- Funksionim plotësisht autonom në pajisjen e synuar, përfshirë mungesën e komunikimit radio;
- Lista e arkitekturave të procesorit të mbështetur: Elbrus, Baikal, KOMDIV, si dhe x86, x86_64, ARM;
- Lista e sistemeve operative të mbështetura: Elbrus OS, AstraLinux OS, Atlix OS, si dhe MS Windows, macOS, shpërndarje të ndryshme Linux që mbështesin gcc 4.8, Android, iOS;
- Zhvillimi tërësisht i brendshëm.
Zakonisht, në përfundim të artikujve tanë në Habré, ne ofrojmë një lidhje me tregun, ku kushdo që përdor telefonin e tij celular mund të shkarkojë një version demo të aplikacionit për të vlerësuar realisht performancën e teknologjisë. Këtë herë, duke marrë parasysh specifikat e aplikacionit që rezulton, ne dëshirojmë që të gjithë lexuesit tanë të mos përballen kurrë në jetën e tyre me problemin e përcaktimit të shpejtë nëse një tank i përket një ane të caktuar.
Burimi: www.habr.com