اپنی سرگرمیوں کے دوران، ہمیں روزانہ ترقیاتی ترجیحات کے تعین کے مسئلے کا سامنا کرنا پڑتا ہے۔ آئی ٹی صنعت کی ترقی کی اعلیٰ حرکیات، کاروبار اور حکومت کی جانب سے نئی ٹیکنالوجیز کی مسلسل بڑھتی ہوئی مانگ کو مدنظر رکھتے ہوئے، جب بھی ہم ترقی کے ویکٹر کا تعین کرتے ہیں اور اپنی کمپنی کی سائنسی صلاحیت میں اپنی قوتوں اور فنڈز کو لگاتے ہیں، ہم اس بات کو یقینی بناتے ہیں۔ ہماری تمام تحقیق اور منصوبے بنیادی اور بین الضابطہ نوعیت کے ہیں۔
لہذا، اپنی اہم ٹیکنالوجی - HIEROGLYPH ڈیٹا ریکگنیشن فریم ورک کو تیار کرکے، ہم دستاویز کی شناخت کے معیار (ہماری مرکزی کاروباری لائن) کو بہتر بنانے اور متعلقہ شناختی مسائل کو حل کرنے کے لیے ٹیکنالوجی کے استعمال کے امکان دونوں کے بارے میں فکر مند ہیں۔ آج کے مضمون میں ہم آپ کو بتائیں گے کہ کس طرح، اپنے شناختی انجن (دستاویزات) کی بنیاد پر، ہم نے ویڈیو سٹریم میں بڑی، حکمت عملی کے لحاظ سے اہم اشیاء کی شناخت کیسے کی۔
مسئلہ کی تشکیل
موجودہ پیشرفت کا استعمال کرتے ہوئے، ایک ٹینک کی شناخت کا نظام بنائیں جو کسی چیز کی درجہ بندی کرنے کے ساتھ ساتھ خصوصی آلات کے استعمال کے بغیر ناقص کنٹرول شدہ حالات میں بنیادی ہندسی اشارے (اورینٹیشن اور فاصلے) کا تعین کرنا ممکن بناتا ہے۔
حل
ہم نے شماریاتی مشین لرننگ اپروچ کو مسئلے کو حل کرنے کے لیے بنیادی الگورتھم کے طور پر منتخب کیا۔ لیکن مشین لرننگ کے اہم مسائل میں سے ایک تربیتی ڈیٹا کی کافی مقدار کی ضرورت ہے۔ ظاہر ہے کہ حقیقی مناظر سے حاصل کی گئی قدرتی تصاویر جن کی ہمیں ضرورت ہے وہ ہمارے لیے دستیاب نہیں ہیں۔ اس لیے، خوش قسمتی سے، تربیت کے لیے ضروری ڈیٹا تیار کرنے کا فیصلہ کیا گیا۔ . اور پھر بھی، اس کام کے لیے ڈیٹا کو مکمل طور پر سنتھیسائز کرنا ہمارے لیے غیر فطری معلوم ہوتا تھا، اس لیے حقیقی مناظر کی نقالی کے لیے ایک خاص ترتیب تیار کی گئی۔ ماڈل میں مختلف اشیاء شامل ہیں جو دیہی علاقوں کی تقلید کرتی ہیں: خصوصیت سے زمین کی تزئین کا احاطہ، جھاڑیاں، درخت، باڑ وغیرہ۔ چھوٹے فارمیٹ والے ڈیجیٹل کیمرے کا استعمال کرتے ہوئے تصاویر کھینچی گئیں۔ تصویر کی گرفت کے عمل کے دوران، منظر کا پس منظر نمایاں طور پر تبدیل ہوا تاکہ الگورتھم کو پس منظر کی تبدیلیوں کے لیے زیادہ مضبوط بنایا جا سکے۔
ٹارگٹ آبجیکٹ جنگی ٹینکوں کے 4 ماڈل تھے: T-90 (روس)، M1A2 ابرامس (USA)، T-14 (روس)، مرکاوا III (اسرائیل)۔ آبجیکٹ کثیرالاضلاع کے مختلف مقامات پر واقع تھے، اس طرح آبجیکٹ کے قابل قبول نظر آنے والے زاویوں کی فہرست میں توسیع ہوتی ہے۔ انجینئرنگ کی رکاوٹوں، درختوں، جھاڑیوں اور زمین کی تزئین کے دیگر عناصر نے اہم کردار ادا کیا۔
اس طرح، چند دنوں میں ہم نے الگورتھم کے معیار (کئی دسیوں ہزار تصاویر) کی تربیت اور بعد ازاں جانچ کے لیے کافی سیٹ اکٹھا کیا۔
انہوں نے پہچان کو ہی دو حصوں میں تقسیم کرنے کا فیصلہ کیا: آبجیکٹ لوکلائزیشن اور آبجیکٹ کی درجہ بندی۔ لوکلائزیشن کو ایک تربیت یافتہ وائلا اور جونز کی درجہ بندی کا استعمال کرتے ہوئے انجام دیا گیا تھا (آخر میں، ایک ٹینک ایک عام سخت چیز ہے، چہرے سے بدتر نہیں، لہذا Viola اور جونز کا "تفصیل سے نابینا" طریقہ تیزی سے ہدف کی چیز کو مقامی بنا دیتا ہے)۔ لیکن ہم نے زاویہ کی درجہ بندی اور تعین کا کام ایک convolutional عصبی نیٹ ورک کو سونپا ہے - اس کام میں ہمارے لیے یہ ضروری ہے کہ ڈیٹیکٹر کامیابی کے ساتھ ان خصوصیات کی نشاندہی کرے جو کہ T-90 کو مرکاوا سے ممتاز کرتی ہیں۔ نتیجے کے طور پر، الگورتھم کی ایک مؤثر ساخت کی تعمیر ممکن تھی جو ایک ہی قسم کی اشیاء کی لوکلائزیشن اور درجہ بندی کے مسئلے کو کامیابی سے حل کرتی ہے۔
اس کے بعد، ہم نے اپنے تمام موجودہ پلیٹ فارمز (Intel, ARM, Elbrus, Baikal, KOMDIV) پر نتیجہ خیز پروگرام شروع کیا، کارکردگی کو بڑھانے کے لیے کمپیوٹیشنل طور پر مشکل الگورتھم کو بہتر بنایا (ہم پہلے ہی اس بارے میں اپنے مضامین میں کئی بار لکھ چکے ہیں، مثال کے طور پر یہاں یا ) اور حقیقی وقت میں ڈیوائس پر پروگرام کا مستحکم آپریشن حاصل کیا۔
تمام بیان کردہ اعمال کے نتیجے میں، ہم نے اہم حکمت عملی اور تکنیکی خصوصیات کے ساتھ ایک مکمل سافٹ ویئر پروڈکٹ حاصل کیا ہے۔
اسمارٹ ٹینک ریڈر
لہذا، ہم آپ کے سامنے اپنی نئی ترقی پیش کرتے ہیں - ویڈیو سٹریم میں ٹینکوں کی تصاویر کو پہچاننے کا پروگرام اسمارٹ ٹینک ریڈر، کونسا:
- اصل وقت میں اشیاء کے دیئے گئے سیٹ کے لئے "دوست یا دشمن" کا مسئلہ حل کرتا ہے۔
- جیومیٹرک پیرامیٹرز کا تعین کرتا ہے (آبجیکٹ کا فاصلہ، آبجیکٹ کی ترجیحی واقفیت)؛
- بے قابو موسمی حالات کے ساتھ ساتھ غیر ملکی اشیاء کے ذریعہ آبجیکٹ کو جزوی طور پر مسدود کرنے کی صورت میں بھی کام کرتا ہے۔
- ٹارگٹ ڈیوائس پر مکمل طور پر خود مختار آپریشن، بشمول ریڈیو کمیونیکیشن کی عدم موجودگی؛
- معاون پروسیسر آرکیٹیکچرز کی فہرست: Elbrus, Baikal, KOMDIV, نیز x86, x86_64, ARM;
- معاون آپریٹنگ سسٹمز کی فہرست: Elbrus OS، AstraLinux OS، Atlix OS، نیز MS Windows، macOS، مختلف لینکس ڈسٹری بیوشنز جو gcc 4.8، Android، iOS کو سپورٹ کرتی ہیں۔
- مکمل طور پر گھریلو ترقی۔
عام طور پر، Habré پر ہمارے مضامین کے اختتام پر، ہم مارکیٹ پلیس کا ایک لنک فراہم کرتے ہیں، جہاں کوئی بھی اپنا موبائل فون استعمال کرنے والا ایپلیکیشن کا ڈیمو ورژن ڈاؤن لوڈ کر سکتا ہے تاکہ ٹیکنالوجی کی کارکردگی کا اصل میں جائزہ لیا جا سکے۔ اس بار، نتیجے میں آنے والی ایپلیکیشن کی تفصیلات کو مدنظر رکھتے ہوئے، ہم چاہتے ہیں کہ ہمارے تمام قارئین کو اپنی زندگی میں کبھی بھی اس مسئلے کا فوری طور پر تعین کرنے کا سامنا نہ کرنا پڑے کہ آیا ٹینک کا تعلق کسی خاص طرف سے ہے۔
ماخذ: www.habr.com