Dina kagiatan urang, urang unggal dintenna nyanghareupan masalah nangtukeun prioritas pangwangunan. Mertimbangkeun dinamika luhur pangwangunan industri IT, paménta anu terus-terusan ningkat ti bisnis sareng pamaréntah pikeun téknologi anyar, unggal waktos urang nangtukeun véktor pangwangunan sareng investasi kakuatan sareng dana urang sorangan dina poténsi ilmiah perusahaan urang, kami mastikeun yén sadaya panalungtikan sareng proyék kami mangrupikeun dasar sareng interdisipliner.
Ku alatan éta, ku ngamekarkeun téhnologi utama urang - nu HIEROGLYPH kerangka pangakuan data, urang paduli duanana ngaronjatkeun kualitas pangakuan dokumén (garis bisnis utama urang) jeung kamungkinan ngagunakeun téhnologi pikeun ngajawab masalah pangakuan patali. Dina tulisan dinten ieu kami bakal nyarioskeun ka anjeun kumaha, dumasar kana mesin pangenalan kami (dokumen), kami ngadamel pangakuan objék anu langkung ageung sareng strategis dina aliran pidéo.
Ngarumuskeun masalah
Nganggo kamajuan anu aya, ngawangun sistem pangenal tank anu ngamungkinkeun pikeun mengklasifikasikeun hiji obyék, ogé nangtukeun indikator geometri dasar (orientasi sareng jarak) dina kaayaan anu teu dikawasa tanpa ngagunakeun alat khusus.
kaputusan
Kami milih pendekatan pembelajaran mesin statistik salaku algoritma utama pikeun ngarengsekeun masalah. Tapi salah sahiji masalah konci pembelajaran mesin nyaéta kabutuhan gaduh jumlah data pelatihan anu cekap. Jelas, gambar alami anu dicandak tina pamandangan nyata anu ngandung objék anu urang peryogikeun henteu sayogi pikeun urang. Ku alatan éta, ieu mutuskeun pikeun Resort ka generating data diperlukeun pikeun latihan, untungna . Na acan, éta seemed wajar mun urang sagemblengna nyintésis data pikeun tugas ieu, jadi perenah husus ieu disiapkeun pikeun simulate pamandangan nyata. Modelna ngandung rupa-rupa objék anu nyontokeun padésan: panutupan bentang ciri, rungkun, tatangkalan, pager, jsb. Gambar dicandak nganggo kaméra digital format leutik. Salila prosés newak gambar, latar tukang adegan robah sacara signifikan sangkan algoritma leuwih mantap kana parobahan latar.
Objék target éta 4 model tank perang: T-90 (Rusia), M1A2 Abrams (AS), T-14 (Rusia), Merkava III (Israél). Objék anu lokasina di posisi béda tina polygon, kukituna ngembangna daptar sudut katempo bisa ditarima obyék. Rintangan rékayasa, tatangkalan, rungkun sareng elemen bentang sanésna maénkeun peran anu penting.
Ku kituna, dina sababaraha poé kami ngumpulkeun set cukup keur latihan jeung evaluasi saterusna kualitas algoritma (sababaraha puluhan rébu gambar).
Aranjeunna mutuskeun pikeun ngabagi pangakuan kana dua bagian: lokalisasi objék sareng klasifikasi objék. Lokalisasi dipigawé maké dilatih Viola jeung Jones classifier (sanggeus kabeh, tank hiji obyék kaku normal, teu leuwih goreng ti beungeut, jadi metoda "detail-buta" Viola jeung Jones gancang localizes obyek sasaran). Tapi kami dipercayakeun klasifikasi jeung tekad sudut kana jaringan neural convolutional - dina tugas ieu hal anu penting pikeun urang nu detektor hasil ngaidentipikasi fitur nu, sebutkeun, ngabedakeun T-90 ti Merkava. Hasilna, kasebut nyaéta dimungkinkeun pikeun ngawangun hiji komposisi éféktif algoritma nu hasil solves masalah lokalisasi jeung klasifikasi objék tina tipe sarua.
Salajengna, kami ngaluncurkeun program anu hasilna dina sadaya platform anu aya (Intel, ARM, Elbrus, Baikal, KOMDIV), ngaoptimalkeun algoritma komputasi sesah pikeun ningkatkeun kinerja (kami parantos nyerat ngeunaan ieu sababaraha kali dina tulisan kami, contona di dieu. atawa ) sareng ngahontal operasi stabil tina program dina alat sacara real waktos.
Salaku hasil tina sagala tindakan anu dijelaskeun, kami parantos nampi produk parangkat lunak anu lengkep sareng ciri taktis sareng téknis anu signifikan.
Smart Tank Reader
Janten, kami nampilkeun ka anjeun pamekaran anyar kami - program pikeun ngenal gambar tank dina aliran pidéo Smart Tank Reader, anu:
- Ngarengsekeun masalah "sobat atanapi musuh" pikeun sakumpulan objék anu dipasihkeun sacara real waktos;
- Nangtukeun parameter géométri (jarak ka objék, orientasi pikaresep obyék);
- Gawéna dina kondisi cuaca uncontrolled, kitu ogé dina kasus blocking parsial objék ku objék asing;
- Operasi pinuh otonom dina alat target, kaasup dina henteuna komunikasi radio;
- Daptar arsitéktur prosésor anu dirojong: Elbrus, Baikal, KOMDIV, ogé x86, x86_64, ARM;
- Daptar sistem operasi anu dirojong: Elbrus OS, AstraLinux OS, Atlix OS, ogé MS Windows, macOS, rupa-rupa distribusi Linux anu ngadukung gcc 4.8, Android, iOS;
- Pangwangunan doméstik lengkep.
Biasana, dina kacindekan tina tulisan kami ngeunaan Habré, kami nyayogikeun tautan ka pasar, dimana saha waé anu nganggo telepon sélulérna tiasa ngaunduh versi demo aplikasi pikeun leres-leres ngevaluasi kinerja téknologi. Waktos ieu, kalayan nganggap spésifik tina aplikasi anu hasilna, kami ngarepkeun sadaya pamiarsa urang henteu kantos dina kahirupanna pikeun nyanghareupan masalah gancang pikeun nangtoskeun naha tank milik sisi anu tangtu.
sumber: www.habr.com