⚔️ 🤳🏾 🐰 संवर्धित वास्तविकता प्रौद्योगिकियों और मशीन सीखने के तरीकों का उपयोग करके एक नेविगेटर बनाना 👩🏿‍🎓 😎 🎅🏽

हाल ही में, किसी व्यक्ति की यात्रा करने की क्षमता अविश्वसनीय रूप से तेजी से बढ़ रही है, और हम अधिक से अधिक स्थानों की खोज कर सकते हैं। लेकिन इन स्थानों पर नेविगेट करना हमेशा आसान नहीं होता है, और कभी-कभी इमारतों में ऐसे जटिल वास्तुशिल्प रूप होते हैं कि आप किसी अपरिचित जगह में भी खो सकते हैं।

उदाहरण के लिए, हमारे इंजीनियरिंग और प्रौद्योगिकी स्कूल नंबर 777, सेंट पीटर्सबर्ग, ऐसी इमारतों से संबंधित है। हमें इस तरह की समस्या का सामना करना पड़ा कि जब मेहमान और माता-पिता हमारे स्कूल आते हैं, तो उनके लिए सही कार्यालय या अन्य आवश्यक स्थान ढूंढना मुश्किल होता है। हर कोई इस स्थिति से बाहर निकलने का रास्ता ढूंढता है, कोई अंतहीन रूप से निर्माण श्रमिकों से पूछता है, और कोई केवल अंतहीन गलियारों से भटकता है। इस समस्या का विश्लेषण करने के बाद, हमने अपने स्कूल के आगंतुकों के लिए एक नाविक बनाने का फैसला किया। लेकिन इमारत के अंदर के नक्शे के साथ एक सरल नेविगेटर प्रासंगिक नहीं है, जिसे संवर्धित वास्तविकता (एआर) की नई और तेजी से विकासशील प्रौद्योगिकियों में से एक के बारे में नहीं कहा जा सकता है। हमारे नेविगेटर को AR तकनीक, कंप्यूटर दृष्टि और मशीन सीखने के तरीकों के साथ विकसित किया गया था। यह आपको नेविगेट करने और उस सटीक स्थान को खोजने में मदद करेगा जहां हमारे स्कूल के आगंतुकों को जाना चाहिए।

उद्देश्य

लक्ष्य निर्माण अभिविन्यास में एक सार्वभौमिक सहायक बनाना है।

मुख्य लक्ष्य:

नए छात्रों, माता-पिता और मेहमानों के स्कूल के अभिविन्यास को सरल बनाने के लिए;
एप्लिकेशन को सार्वभौमिक बनाएं ताकि बाद में यह न केवल हमारे स्कूल में, बल्कि दुनिया भर के किसी भी अन्य भवनों में नेविगेशन का समर्थन करे;
उपयोगकर्ता के अनुकूल इंटरफेस, सभी के लिए समझ में आता है;

एआर - संवर्धित वास्तविकता

अब हर साल अधिक से अधिक नई प्रौद्योगिकियां दिखाई देती हैं, ऐसी संवर्धित वास्तविकता प्रौद्योगिकी या सिर्फ एआर में से एक। सबसे पहले, उनका पहला परिचित, तब हुआ जब प्रसिद्ध कंपनी Google ने संवर्धित वास्तविकता के साथ अपना चश्मा बनाने का फैसला किया। फिर एआर तकनीक ने अविश्वसनीय रूप से तेजी से विकसित करना शुरू कर दिया। जब Google ने अपने Google ग्लास प्रोजेक्ट को छोड़ दिया, तो मास्क का एक नया युग आया, जिसने हमारे चेहरे को पहचान लिया और इसे सेलिब्रिटी में बदल दिया। फिर पोकेमॉन ने दोनों वास्तविकताओं पर कब्जा कर लिया और लोगों ने सबसे अच्छे चरित्र की तलाश में किलोमीटर की यात्रा की।

हाल ही में, Google और Apple ने अपने ARC इंजन, ARCore और ARKit को क्रमशः पेश किया, जिससे हम यह निष्कर्ष निकाल सकते हैं कि AR तकनीक अधिक से अधिक नए अनुप्रयोगों और खेलों के विकास और निर्माण के लिए और भी अधिक सुलभ हो जाएगी।

AR क्या है?

संवर्धित वास्तविकता एक ऐसा वातावरण है जो वास्तविक समय में वास्तविक दुनिया को पूरक करता है, जैसा कि हम इसे किसी भी इलेक्ट्रॉनिक कंप्यूटिंग उपकरणों और सॉफ़्टवेयर का उपयोग करके संसाधित डिजिटल डेटा की सहायता से देखते हैं।

इसके अलावा, संवर्धित वास्तविकता (एआर) को आभासी (आभासी वास्तविकता, वीआर) और मिश्रित (मिश्रित वास्तविकता, एमआर) से अलग किया जाना चाहिए।

उनके मुख्य अंतर क्या हैं?

AR में, वर्चुअल डिजिटल ऑब्जेक्ट्स को वर्चुअल रियलिटी के विपरीत, वास्तविक वातावरण पर प्रोजेक्ट किया जाता है।

आभासी वास्तविकता डिजिटल तकनीकी साधनों द्वारा बनाई गई दुनिया है, जो व्यक्ति को इंद्रियों के माध्यम से प्रेषित की जाती है।

मिश्रित वास्तविकता वीआर और एआर के बीच एक क्रॉस है और दोनों दृष्टिकोणों को जोड़ती है।

वीआर अपनी खुद की दुनिया बनाता है, जहां एक व्यक्ति डुबकी लगाता है, और संवर्धित वास्तविकता वास्तविक भौतिक दुनिया के साथ काम करता है, इसमें आभासी वस्तुओं को पेश करता है। यह इस प्रकार है कि वीआर उपयोगकर्ताओं के साथ विशेष रूप से बातचीत करता है, जबकि एआर बाहरी दुनिया के साथ बातचीत करता है।

विकास की संभावनाएं

एआर तकनीक आला पर कब्जा कर सकती है कि विज्ञान कथा होलोग्राम के लिए समर्पित है। केवल होलोग्राम जल्द ही नहीं होंगे, और होलोलेंस (माइक्रोसॉफ्ट ऑगमेंटेड रियलिटी ग्लास) जैसे उपकरण तकनीकी रूप से तैयार हैं। स्कूलों में आभासी इंटरैक्टिव चित्रण देखने की संभावना, जिसे सभी पक्षों से देखा जा सकता है, जिसके साथ आप बातचीत कर सकते हैं और तुरंत अपने अनुभवों का परिणाम देख सकते हैं, भविष्य के बारे में सुंदर उज्ज्वल कल्पनाओं से दूर लगता है। किसी भी इंजीनियरिंग विशेषता में प्रशिक्षण बहुत अधिक दृश्य और समझने में आसान हो सकता है, साथ ही दिलचस्प भी हो सकता है।

सारांशित करने के लिए, अतिरिक्त वास्तविकता केवल सामाजिक नेटवर्क के लिए गेम और कूल मास्क नहीं है। यह शिक्षा, उद्योग और चिकित्सा के क्षेत्र में एआर के उपयोग में अवसरों की एक बड़ी संख्या है।

संवर्धित वास्तविकता की वृद्धि आश्चर्यजनक है। वीआर के विपरीत, उसे बड़े हेलमेट और शक्तिशाली हार्डवेयर पर भरोसा करने की आवश्यकता नहीं है, बस हमारे समय का सबसे कॉम्पैक्ट और मोबाइल डिवाइस - एक स्मार्टफोन।

संवर्धित वास्तविकता पहले से ही हमारे वर्तमान को बदल रही है: आभासी मुखौटे, शहरों में पोकेमॉन के लिए शिकार और दलदल, एक दूसरे पर शूटिंग करने वाले बच्चे लकड़ी के टुकड़ों से नहीं, बल्कि फोन स्क्रीन के माध्यम से। अब यह पहले से ही एक वास्तविकता है।

कार्य योजना

हमारे नेविगेटर के पास एक कैबिनेट नंबर मान्यता प्रणाली है, यह मान्यता मशीन सीखने के तरीकों का उपयोग करके काम करती है, और विशेष रूप से, दृढ़ तंत्रिका नेटवर्क तकनीक का उपयोग किया गया था। आइए वास्तुकला में गोता लगाएँ।

इस मॉडल के लिए, हमें 2 मुख्य समस्याओं को हल करना था:

छवि में अक्षरों का पता लगाना;
पत्रों की पहचान।

यदि अक्षरों को पहचानने के लिए पुराने - अच्छे लेनेट जैसे नेटवर्क हैं, तो तस्वीर में अक्षरों का पता लगाने के लिए हमें अपने तंत्रिका नेटवर्क वास्तुकला को लिखना होगा, एक डेटाबेस संकलित करना और मॉडल को प्रशिक्षित करना होगा। वास्तुकला की रचना करने के लिए, हमें यह समझने की आवश्यकता थी कि हमारे मॉडल किस तरह की मशीन सीखने की समस्या का समाधान करेंगे।

बहुत बहस के बाद, हम एक आम सहमति में आए - पाठ डिटेक्टर को प्रतिगमन समस्या को हल करना चाहिए, अर्थात। मॉडल को यह अनुमान लगाना चाहिए कि पत्र संभावित रूप से कहां स्थित है। फिर हमने दो परतों से मिलकर एक तंत्रिका नेटवर्क का अनुकरण किया, जिसमें इनपुट और आउटपुट परत शामिल नहीं थे, लेकिन फिर हमें एक समस्या का सामना करना पड़ा: बहुत सारे आउटपुट डेटा थे, इस वजह से हमें एक समस्या थी - फिर से संगठित करने की समस्या, और हम इस निष्कर्ष पर पहुंचे कि हम हमें समस्या के लिए एक अलग वास्तुकला और दृष्टिकोण की आवश्यकता है, एक लंबी चर्चा के बाद हम इस निष्कर्ष पर पहुंचे कि हमें एक बार में अक्षरों का पता लगाने की आवश्यकता नहीं है, लेकिन पहले शब्द, और उसके बाद ही पत्र। और यहाँ हमने डेटाबेस को बदलने में काफी समय व्यतीत किया और फिर एक और तंत्रिका नेटवर्क को कैस्केड में जोड़ा, इस वजह से हमारे गुणांक (हमने मीन स्क्वेर्ड एरर मेट्रिक को चुना) में 40% की कमी आई, लेकिन फिर भी वास्तविक परिणाम वांछित से बहुत दूर था,इसलिए, हमने 2 तंत्रिका नेटवर्क की वास्तुकला को फिर से लिखने का फैसला किया, इसके लिए हमें "पहनावा" को अलग करना होगा और यह समझना होगा कि प्रत्येक नेटवर्क अलग-अलग कैसे काम करता है और समझता है कि हमें प्रत्येक नेटवर्क के लिए प्रत्येक पैरामीटर की आवश्यकता क्यों है। तब हमें एहसास हुआ कि मापदंडों की संख्या को कम करने के बजाय, हम समस्या के दृष्टिकोण को बदल सकते हैं, और हमारी टीम ने मॉडल को बदल दिया: अब यह एक दृढ़ तंत्रिका नेटवर्क है, इस दृष्टिकोण के साथ, हमने त्रुटि दर को 30% कम कर दिया और नेटवर्क के माध्यम से चलने की गति में वृद्धि हुई।अब यह एक दृढ़ तंत्रिका नेटवर्क है, इस दृष्टिकोण के साथ हमने त्रुटि दर को 30% तक कम कर दिया है और नेटवर्क के माध्यम से चलने की गति में वृद्धि हुई है।अब यह एक दृढ़ तंत्रिका नेटवर्क है, इस दृष्टिकोण के साथ हमने त्रुटि दर को 30% तक कम कर दिया है और नेटवर्क के माध्यम से चलने की गति में वृद्धि हुई है।

चरित्र पहचान की समस्या हल हो गई है, यह चरित्र मान्यता की समस्या को हल करने के लिए बनी हुई है, चरित्र पहचान ही हमारी टीम के लिए एक नया कार्य नहीं था, हमने एक प्रशंसनीय तंत्रिका नेटवर्क को प्रशिक्षित किया जो वास्तुकला में LeNet तंत्रिका नेटवर्क के समान था और परीक्षण डाटासेट (यानी, एक तंत्रिका नेटवर्क) पर 99% गुणांक प्राप्त किया लगभग कोई गलती नहीं)। लेकिन व्यवहार में, यह एक अस्वीकार्य समाधान बन गया, क्योंकि एक निश्चित-रिज़ॉल्यूशन वाली तस्वीर को इस नेटवर्क के इनपुट पर जाना चाहिए, लेकिन व्यवहार में, विभिन्न रिज़ॉल्यूशन वाले अलग-अलग चित्र आ सकते हैं, और फिर हमारी टीम ने इसके बारे में सोचा और उसी तंत्रिका नेटवर्क को प्रशिक्षित करने का निर्णय लिया, लेकिन केवल पर्याप्त तस्वीरों के साथ एक बड़ा संकल्प, इतना बड़ा कि यह सटीक रूप से माना जा सकता है कि तंत्रिका नेटवर्क में प्रवेश करने की अधिक अनुमति नहीं होगी,लेकिन फिर हमने इस विचार को छोड़ दिया क्योंकि हम वास्तुकला के इनपुट को आपूर्ति की गई छवि के संकल्प को बदलने की कोशिश कर रहे हैं जो छवि संकल्प में परिवर्तन नहीं करता है, इसलिए अब हमें अक्षरों को पहचानने की वास्तुकला के बारे में सोचने की जरूरत है, और हमने महसूस किया कि सबसे अच्छा समाधान एक आधार के रूप में लेना है। आर्किटेक्चर - लेनेट न्यूरल नेटवर्क का एक वंशज - माइक्रोसॉफ्ट से रेसनेट, इस वास्तुकला का अर्थ है कि यह विभिन्न प्रस्तावों के साथ चित्र प्राप्त करेगा।यह विभिन्न प्रस्तावों के साथ छवियों को प्राप्त होगा।यह विभिन्न प्रस्तावों के साथ छवियों को प्राप्त होगा।

परिणामस्वरूप, हमने तंत्रिका नेटवर्क को प्रशिक्षित करने के बाद, हमारे लिए त्रुटि दर 95% हो गई - हां, यह LeNet वास्तुकला की तुलना में थोड़ा कम है, लेकिन यह काम करता है, फिर हमें याद आया कि हमें सभी अक्षरों को पहचानने की आवश्यकता नहीं थी, लेकिन केवल संख्याओं को निर्धारित करने से पहले जोड़ने का फैसला किया। प्रतीक एक और मॉडल है जो यह निर्धारित करेगा कि क्या प्रतीक निर्धारित किया जाना है एक संख्या या एक अक्षर, क्योंकि यह मॉडल वर्गीकरण समस्या को हल करता है और केवल 2 वर्गों को वर्गीकृत करता है, तंत्रिका नेटवर्क अर्थहीन था और इसलिए हमने इस मॉडल को जोड़ने के बाद, वास्तुकला के आधार के रूप में लॉजिस्टिक प्रतिगमन लिया। "एनसेंबल" और तंत्रिका नेटवर्क (केवल संख्याओं से) का पुन: निर्धारण, हमारी त्रुटि दर + - 97% थी, जो खराब नहीं है, इस "नोट" पर हमने चरित्र मान्यता पर काम खत्म करने का फैसला किया और, परिणामस्वरूप, हमें ऐसा "एनसेंबल" मिला:

मूल चित्र -> संवेगात्मक तंत्रिका नेटवर्क जो शब्दों के स्थान को निर्धारित करता है -> संवादात्मक तंत्रिका नेटवर्क जो अक्षरों के स्थान को निर्धारित करता है -> लॉजिस्टिक प्रतिगमन, जो चित्र या संख्या में अक्षर निर्धारित करता है -> ResNet, जो अंतिम अंक निर्धारित करता है

लेकिन तब हमारे पास एक और समस्या थी: ट्रैकिंग जियोलोकेशन के साथ समस्या। पहले तो हमने सोचा कि यह सबसे आसान काम है और गलत निकला। सबसे पहले, हमने वास्तविक प्रोग्रामर की तरह, कम से कम प्रतिरोध का रास्ता अपनाया और बस ऑब्जेक्ट पर जीपीएस जियोलोकेशन को ट्रैक किया - यह काम नहीं किया, त्रुटि इतनी बड़ी थी कि यह हमें बिल्कुल भी सूट नहीं किया, हमने जियोलोकेशन का निर्धारण करने के लिए अन्य विकल्पों के बारे में सोचने का फैसला किया और कंपनी से सेवा को जोड़ने का फैसला किया। यैंडेक्स - यैंडेक्स अक्षांश, लेकिन यह काम नहीं करने के लिए निकला, अर्थात। यह एक कार्यशील सेवा नहीं है जिसमें आप API को कनेक्ट नहीं कर सकते, हमारा अगला विचार यूनिटी इंजन के लिए मैपबॉक्स फ्रेमवर्क को जोड़ना था (यह इस पर था कि हमने अपनी परियोजना को विकसित करने का फैसला किया), हमने इस फ्रेमवर्क को सफलतापूर्वक कनेक्ट करने के बाद, इसकी क्षमताओं की जांच की और एक साधारण जीपीएस ट्रैकर लिखा - परिणाम पहले से बेहतर थालेकिन त्रुटि अभी भी बड़ी थी, इस वजह से हमने समाधान खोजना जारी रखा, और प्रलेखन के सावधानीपूर्वक पढ़ने के बाद, हमने पाया कि प्राप्त मूल्य में 15% की त्रुटि थी, यह हमें सूट नहीं करता था, खासकर जब से इस दृष्टिकोण में एक बहुत बड़ी खामी थी - जीपीएस का इस्तेमाल किया। , और हम स्कूल के चारों ओर एक नाविक बना रहे हैं, इसका मतलब घर के अंदर है, तो जीपीएस सिग्नल या तो बहुत कमजोर होगा या बिल्कुल नहीं + जीपीएस सभी उपकरणों पर समर्थित नहीं है, यही वजह है कि हमने विज़ुअल पोजिशनिंग सिस्टम के आधार पर दृष्टिकोण को बदल दिया और वैश्विक मान्यता से स्थानीय में स्थानांतरित कर दिया। इस पद्धति की अपनी कमियां भी हैं, लेकिन उन्होंने हमारे काम को किसी भी तरह से प्रभावित नहीं किया, इसलिए जियोलोकेशन ट्रैकिंग सिस्टम तैयार था।प्राप्त मूल्य के लिए 15% की त्रुटि है, यह हमें सूट नहीं करता है, खासकर जब से इस दृष्टिकोण में एक बहुत बड़ी खामी थी - यह जीपीएस का उपयोग करता है, और हम स्कूल के आसपास नाविक करते हैं, फिर घर के अंदर, फिर जीपीएस सिग्नल या तो बहुत कमजोर होगा या नहीं सामान्य तौर पर, सभी उपकरणों पर + GPS का समर्थन नहीं किया जाता है, यही वजह है कि हमने विज़ुअल पोजिशनिंग सिस्टम के आधार पर दृष्टिकोण को बदल दिया और वैश्विक मान्यता से स्थानीय में स्थानांतरित कर दिया। इस पद्धति में इसकी कमियां भी हैं, लेकिन उन्होंने हमारे काम को किसी भी तरह से प्रभावित नहीं किया, इसलिए जियोलोकेशन ट्रैकिंग सिस्टम तैयार था।प्राप्त मूल्य के लिए 15% की त्रुटि है, यह हमें सूट नहीं करता है, खासकर जब से इस दृष्टिकोण में एक बहुत बड़ी खामी थी - यह जीपीएस का उपयोग करता है, और हम स्कूल के आसपास नाविक करते हैं, फिर घर के अंदर, फिर जीपीएस सिग्नल या तो बहुत कमजोर होगा या नहीं सामान्य तौर पर, सभी उपकरणों पर + GPS का समर्थन नहीं किया जाता है, यही वजह है कि हमने विज़ुअल पोजिशनिंग सिस्टम के आधार पर दृष्टिकोण को बदल दिया और वैश्विक मान्यता से स्थानीय में स्थानांतरित कर दिया। इस पद्धति में इसकी कमियां भी हैं, लेकिन उन्होंने हमारे काम को किसी भी तरह से प्रभावित नहीं किया, इसलिए जियोलोकेशन ट्रैकिंग सिस्टम तैयार था।तब GPS सिग्नल या तो बहुत कमजोर होगा या बिल्कुल नहीं + GPS सभी उपकरणों पर समर्थित नहीं है, यही कारण है कि हमने विज़ुअल पोजिशनिंग सिस्टम के आधार पर दृष्टिकोण को बदल दिया और वैश्विक मान्यता से स्थानीय में बदल दिया, इस पद्धति में इसकी कमियां भी हैं, लेकिन वे प्रभावित नहीं होते हैं हमारा काम, इसलिए जियोलोकेशन ट्रैकिंग सिस्टम तैयार था।तब GPS सिग्नल या तो बहुत कमजोर होगा या बिल्कुल नहीं + GPS सभी उपकरणों पर समर्थित नहीं है, यही कारण है कि हमने विज़ुअल पोजिशनिंग सिस्टम के आधार पर दृष्टिकोण को बदल दिया और वैश्विक मान्यता से स्थानीय में बदल दिया, इस पद्धति में इसकी कमियां भी हैं, लेकिन वे प्रभावित नहीं होते हैं हमारा काम, इसलिए जियोलोकेशन ट्रैकिंग सिस्टम तैयार था।

व्यवहारिक महत्व

हमारा आवेदन बेहतर उन्मुख लोगों के लिए कार्य करता है जो पहली बार आए हैं या जिन्हें हमारे शैक्षिक संस्थान में लोगों के स्कूल की संरचना की खराब समझ है। वे आते हैं और प्रवेश द्वार पर एक क्यूआर कोड के साथ एक स्टैंड पर मिलते हैं, जब पढ़ते हैं कि कौन सा एप्लिकेशन डाउनलोड किया गया है।

कार्यात्मक

हमारे आवेदन क्या कर सकते हैं:

प्लेट द्वारा कैबिनेट नंबर को पहचानें,
विस्तृत स्कूल का नक्शा,
एक व्यक्ति को अपने कार्यालय में ले जाएं,
अपने नंबर से कार्यालय की खोज करें,
सूची में कक्षा के लिए खोज और उसके प्रकार से (सभी कक्षाओं को कुछ समूहों में वितरित किया जाता है जो इस कमरे में किस विषय पर सिखाया जाता है) के आधार पर किया जाता है।

आवेदन कार्यान्वयन

एप्लिकेशन को सबसे लोकप्रिय इंजनों में से एक पर लिखा गया था, जिसे "एकता" कहा जाता है, सी # प्रोग्रामिंग भाषा का उपयोग करने के साथ-साथ पायथन और टेंसोरफ्लो लाइब्रेरी का उपयोग करने के अलावा, उपरोक्त सभी के अलावा, एनाकोंडा पैकेज मैनेजर का उपयोग किया गया था।

इस एप्लिकेशन का उपयोग कैसे करें?

मान लीजिए कि मैं एक माता-पिता हूं और एक माता-पिता की बैठक में आया था, मुझे 339 कमरे, एक सूचना विज्ञान कार्यालय में आने की आवश्यकता है। मैं स्कूल गया और स्कैन करना चाहिए, क्योंकि मैं टैबलेट से क्यूआर कोड दोहराता हूं। फिर, एप्लिकेशन को सफलतापूर्वक लोड करने के बाद, मैं मुख्य मेनू पर पहुंचूंगा:

उसके बाद, मैं एप्लिकेशन का उपयोग करने का तरीका जानने के लिए निर्देश मेनू पर जा सकता हूं:

इस निर्देश में विस्तार से वर्णन किया गया है कि कक्षा कैसे ढूंढें, अर्थात्। सबसे पहले, मुख्य मेनू में, हम "क्लास खोजें" पर क्लिक करते हैं, फिर निम्न मेनू प्रदर्शित होते हैं:

ऊपरी दाएं कोने में तीर हमें मुख्य मेनू पर वापस जाने की अनुमति देता है, यदि सिस्टम ने कैबिनेट नंबर को मान्यता दी है, तो एक फ्रेम प्लेट के चारों ओर दिखाई देता है, और फिर एक पुष्टिकरण विंडो:

यदि मॉडल ने कैबिनेट को सही ढंग से पहचाना है, तो हमारे सशर्त "माता-पिता" "हां" पर क्लिक करेंगे, यदि कैबिनेट संख्या को सही ढंग से नहीं पहचाना गया है, तो "नहीं" पर क्लिक करें और फिर से तस्वीर लें। तो एप्लिकेशन समझ जाएगा कि हम स्कूल के स्थान पर कहां हैं।

इसके बाद, "अभिभावक" को एक गंतव्य चुनना होगा और यहां उसके पास 2 विकल्प होंगे: या तो कार्यालय की संख्या दर्ज करें, या उसका प्रकार चुनें और बाद में सूची में खोजें:

इसके बाद, "अभिभावक" को कैमरे पर दिए गए संकेतों का पालन करना चाहिए।

जब आप अपने गंतव्य पर पहुंचते हैं, तो नाविक आपको इसकी सूचना देगा।

एक और विकल्प है, अधिक परिचित, "मूल" पर क्लिक करता है मुख्य मेनू - "स्कूल प्लान" और एक विस्तृत योजना खुलती है, जहां आप स्वतंत्र रूप से नेविगेट कर सकते हैं कि वांछित स्थान पर कैसे पहुंचें।

मंजिल योजना 1 तल

योजना 2

फिलहाल, यह एप्लिकेशन में मौजूद सभी कार्यक्षमता है, भविष्य में आवेदन को अंतिम रूप देने और इससे भी अधिक दिलचस्प कार्यों को जोड़ने की योजना है।

आप नीचे दिए गए लिंक पर वीडियो देख सकते हैं:

निष्कर्ष

अच्छी तरह से समन्वित टीमवर्क के साथ, नरम कौशल को लागू करने के लिए पर्याप्त समय और कौशल, किसी भी परियोजना को लागू किया जा सकता है।

आवेदन पर काम किया:

इल्या वासिलेंको - प्रोग्रामर (बैकएंड)

Parfenyev Demid - डिजाइनर

Lunev Daniil - यूनिटी डेवलपर (फ्रंटएंड)

मिखाइल Purtov - डेटा माइनर, निर्माता

हमारी परियोजना के लिए धन्यवाद, हमारी टीम के प्रत्येक सदस्य ने बहुत सी नई चीजें सीखीं। डिज़ाइन से लेकर प्रोग्रामिंग और कंप्यूटर विज़न तक।

हमारी PYC टीम का मानना है कि हैबर को हमारा प्रोजेक्ट पसंद आएगा।

सादर, PYC टीम

उपकरण

यूनिटी + सी #

पायथन + एनाकोंडा पैकेज मैनेजर + न्यूरल नेटवर्क बनाने के लिए टेन्सरफ्लो लाइब्रेरी + मशीन लर्निंग मॉडल बनाने के लिए लाइब्रेरी scikit-learn

Immersal - एक पुस्तकालय जो VPS को लागू करता है

ग्रन्थसूची

Tensorflow
वेबसाइट Immersal
वेबसाइट C #
वेबसाइट Python site

* यह प्रकाशन हमारे आवेदन का विज्ञापन करने का दिखावा नहीं करता है, क्योंकि यह खुले स्रोतों में भी उपलब्ध नहीं है और यह केवल स्कूल के भीतर काम करता है

संवर्धित वास्तविकता प्रौद्योगिकियों और मशीन सीखने के तरीकों का उपयोग करके एक नेविगेटर बनाना