मशीन सीखने के तरीकों का उपयोग करते हुए एक वीडियो स्ट्रीम में टैंक की पहचान (+2 वीडियो एल्ब्रस और बाइकाल प्लेटफार्मों पर)

हमारी गतिविधियों की प्रक्रिया में, हम दैनिक विकास प्राथमिकताओं को निर्धारित करने की समस्या का सामना करते हैं। आईटी उद्योग के विकास की उच्च गतिशीलता को देखते हुए, व्यापार की ओर से बढ़ती मांग और नई तकनीकों के लिए राज्य, हर बार, विकास वेक्टर का निर्धारण और हमारी कंपनी की वैज्ञानिक क्षमता में अपने स्वयं के संसाधनों और संसाधनों का निवेश, हम यह सुनिश्चित करते हैं कि हमारे सभी अनुसंधान और परियोजनाएं मौलिक हैं और अंतःविषय।

इसलिए, हमारी मुख्य तकनीक को विकसित करना - HIEROGLYPH डेटा पहचान ढांचा, हम संबंधित मान्यता समस्याओं को हल करने के लिए दस्तावेज़ मान्यता (हमारी मुख्य व्यवसाय लाइन) की गुणवत्ता में सुधार और प्रौद्योगिकी का उपयोग करने की संभावना दोनों के बारे में परवाह करते हैं। आज के लेख में, हम बताएंगे कि कैसे, हमारे मान्यता इंजन (दस्तावेजों) के आधार पर, हमने वीडियो स्ट्रीम में बड़ी, रणनीतिक रूप से महत्वपूर्ण वस्तुओं की पहचान की।

समस्या का बयान

मौजूदा अनुभव का उपयोग करना, एक टैंक मान्यता प्रणाली का निर्माण करना जो किसी वस्तु को वर्गीकृत करने की अनुमति देता है, साथ ही विशेष उपकरणों के उपयोग के बिना खराब नियंत्रित परिस्थितियों में बुनियादी ज्यामितीय मापदंडों (अभिविन्यास और दूरी) का निर्धारण करता है।

निर्णय

समस्या को हल करने के लिए मुख्य एल्गोरिथ्म के रूप में, हमने सांख्यिकीय मशीन सीखने के दृष्टिकोण को चुना। लेकिन मशीन लर्निंग की प्रमुख समस्याओं में से एक पर्याप्त मात्रा में लर्निंग डेटा की आवश्यकता है। स्पष्ट रूप से, वास्तविक दृश्य से प्राप्त की गई तरह-तरह की छवियां जिन वस्तुओं की हमें आवश्यकता होती है, वे हमारे लिए दुर्गम हैं। इसलिए, प्रशिक्षण के लिए आवश्यक डेटा उत्पन्न करने का सहारा लेने का निर्णय लिया गया, क्योंकि हमारे पास इस जगह का बहुत अनुभव है । और फिर भी, इस कार्य के लिए डेटा को पूरी तरह से संश्लेषित करना अप्राकृतिक लग रहा था, इसलिए वास्तविक दृश्यों के मॉडलिंग के लिए एक विशेष लेआउट तैयार किया गया था। देहात क्षेत्र में मॉडलिंग करने वाली विभिन्न वस्तुओं को लेआउट पर स्थापित किया गया है: एक विशिष्ट परिदृश्य कवर, झाड़ियों, पेड़, बाधाएं, आदि। डिजिटल छोटे प्रारूप वाले कैमरे का उपयोग करके छवियां कैप्चर की गईं। छवियों को कैप्चर करने की प्रक्रिया में, दृश्य की पृष्ठभूमि में एल्गोरिदम की अधिक स्थिरता सुनिश्चित करने के लिए दृश्य की पृष्ठभूमि में काफी बदलाव आया।

टी -90 (रूस), एम 1 ए 2 अब्राम (यूएसए), टी -14 (रूस), मर्कवा III (इज़राइल): चार युद्धक टैंक मॉडल को लक्ष्य के रूप में इस्तेमाल किया गया था। ऑब्जेक्ट बहुभुज के विभिन्न पदों पर स्थित थे, जिससे ऑब्जेक्ट के स्वीकार्य दृश्यमान कोणों की सूची का विस्तार होता है। इंजीनियरिंग बाधाओं, पेड़ों, झाड़ियों और अन्य परिदृश्य तत्वों द्वारा एक महत्वपूर्ण भूमिका निभाई गई थी।

इस प्रकार, कुछ दिनों में हमने एल्गोरिथ्म की गुणवत्ता के प्रशिक्षण और उसके बाद के मूल्यांकन के लिए एक पर्याप्त सेट इकट्ठा किया है (कई हजारों छवियां)।

उन्होंने मान्यता को सीधे दो भागों में विभाजित करने का निर्णय लिया: वस्तु स्थानीयकरण और वस्तु वर्गीकरण। स्थानीयकरण प्रशिक्षित क्लासिफायर वायोला और जोन्स का उपयोग करके किया गया था (आखिरकार, एक टैंक एक सामान्य कठोर वस्तु है, चेहरे से बदतर नहीं है, इसलिए "विवरण के साथ अंधा" वियोला और जोन्स विधि जल्दी से लक्ष्य वस्तु का स्थानीयकरण करती है)। लेकिन हमने एंगल के वर्गीकरण और परिभाषा को कंफर्टेबल न्यूरल नेटवर्क के साथ सौंपा - इस कार्य में यह हमारे लिए महत्वपूर्ण है कि डिटेक्टर सफलतापूर्वक उन विशेषताओं की पहचान करे, जो कहती हैं, टी -90 को मर्कवा से अलग करती हैं। नतीजतन, एल्गोरिदम की एक प्रभावी रचना का निर्माण करना संभव था जो एक ही प्रकार की वस्तुओं के स्थानीयकरण और वर्गीकरण की समस्या को सफलतापूर्वक हल करता है।

इसके बाद, हमने उन सभी प्लेटफार्मों पर परिणामी कार्यक्रम लॉन्च किया जो हमारे पास हैं (Intel, ARM, Elbrus, Baikal, COMDIV), प्रदर्शन में सुधार के लिए कम्प्यूटेशनल रूप से कठिन एल्गोरिदम को अनुकूलित किया है (हमने पहले ही अपने लेखों में इस बारे में लिखा है, उदाहरण के लिए, यहाँ https: // habr .com / ru / company / smartengines / blog / 438948 / या https://habr.com/en/company/smartengines/blog/351134/ ) और वास्तविक समय में डिवाइस पर प्रोग्राम के स्थिर संचालन को प्राप्त किया है।

सभी वर्णित कार्यों के परिणामस्वरूप, हमने एक पूर्ण सॉफ्टवेयर उत्पाद प्राप्त किया है जिसमें महत्वपूर्ण सामरिक और तकनीकी विशेषताएं हैं।

स्मार्ट टैंक रीडर

तो, हम आपके सामने अपना नया विकास प्रस्तुत करते हैं - स्मार्ट टैंक रीडर वीडियो स्ट्रीम में टैंक छवियों को पहचानने का एक कार्यक्रम, जो:

• यह वास्तविक समय में वस्तुओं के दिए गए सेट के लिए "दोस्त या दुश्मन" समस्या को हल करता है;
• ज्यामितीय संकेतक परिभाषित करता है (ऑब्जेक्ट के लिए दूरी, ऑब्जेक्ट का पसंदीदा अभिविन्यास);
• यह अनियंत्रित मौसम की स्थिति में काम करता है, साथ ही विदेशी वस्तुओं द्वारा वस्तु की आंशिक ओवरलैपिंग के मामले में भी;
• रेडियो संचार की अनुपस्थिति सहित लक्ष्य डिवाइस पर पूरी तरह से स्वायत्त संचालन;
• समर्थित प्रोसेसर आर्किटेक्चर की सूची: एल्ब्रस, बाइकाल, COMDIV, साथ ही x86, x86_64, ARM;
• समर्थित ऑपरेटिंग सिस्टम की सूची: एलब्रस ओएस, एस्ट्रालिनक्स ओएस, एटलिक्स ओएस, साथ ही एमएस विंडोज, मैकओएस, विभिन्न लिनक्स वितरणों का समर्थन करते हैं gcc 4.8, Android, iOS;
• पूरी तरह से घरेलू विकास।

आमतौर पर, होबे पर हमारे लेखों के निष्कर्ष में, हम बाज़ार के लिए एक लिंक देते हैं, जहां हर कोई जो अपने मोबाइल फोन का उपयोग करना चाहता है, वह वास्तव में प्रौद्योगिकी के प्रदर्शन का मूल्यांकन करने के लिए आवेदन का एक डेमो संस्करण डाउनलोड कर सकता है। इस बार, परिणामस्वरूप आवेदन की बारीकियों को ध्यान में रखते हुए, हम चाहते हैं कि हमारे सभी पाठकों को कभी भी यह निर्धारित करने की समस्या का सामना न करना पड़े कि क्या टैंक एक निश्चित पक्ष से संबंधित है।