📀 🛡️ 👍🏿 कैसे मैंने मशीन विजन की चिंता नहीं की और सीखा 🙇 📜 👇🏻

नमस्कार, हेब्र! मेरा नाम अर्टिओम नागुमनोव है, मेरे पास सॉफ्टवेयर विकास, परियोजना प्रबंधन, टीमों, आईटी विभागों में 15 वर्षों का अनुभव है। मुझे हमेशा आर्टिफिशियल इंटेलिजेंस और मशीन विजन के विषय में दिलचस्पी रही है। सॉफ़्टवेयर विकसित करते समय, मुझे हमेशा यह सोचा गया था कि क्यों न उद्यम के आवेदन में कम से कम कुछ खुफिया जानकारी को आंशिक रूप से या पूरी तरह से किसी भी प्रक्रिया में उपयोगकर्ता की भागीदारी से इनकार कर दिया जाए, ताकि पहली नज़र में यह पूरी तरह से असम्बद्ध लगे।

ऐसा करने के लिए, हर बार मुझे नए सिरे से जाना था: उपयुक्त पुस्तकालयों का अध्ययन / स्मरण करना, तंत्रिका नेटवर्क बनाने और प्रशिक्षण के लिए मुफ्त उपकरणों का परीक्षण करने के लिए लिनक्स वर्चुअल मशीन पर स्थापित करना, नेटवर्क आर्किटेक्चर खोजें जो वर्तमान में दुनिया में मानव निर्माण का मुकुट हैं। कृत्रिम होशियारी। यह प्रक्रिया काफी श्रमसाध्य है और बहुत मज़ेदार नहीं है। एक बार, एक और तंत्रिका नेटवर्क की वास्तुकला को समझने के बाद, मुझे एहसास हुआ कि यह समय खत्म करने और एक सार्वभौमिक उपकरण बनाने का समय था जो पूरी दिनचर्या पर ले जाएगा। और मुझे बस कुछ बड़े ग्लास बटन दबाने और परिणाम प्राप्त करने की आवश्यकता है। ध्यान आकर्षित करने के लिए तस्वीर में (लेख के पहले पैराग्राफ में), एक सिंचाई मशीन से पानी के जेट की मान्यता का एक उदाहरण दिखाया गया है, लेकिन पहले चीजें पहले।

हम पहचान सेवा करते हैं

मेरे पास निम्नलिखित विचार थे - एक ऐसी वेबसाइट बनाने के लिए जहां उपयोगकर्ता किसी भी चित्र को अपलोड कर सकता है, "पहचानें" बटन पर क्लिक करें और परिणाम को json प्रारूप में प्राप्त करें। लेकिन तथ्य यह है कि कोई सार्वभौमिक एल्गोरिथ्म या तंत्रिका नेटवर्क नहीं है जो दुनिया में किसी भी वस्तु को पा सकता है। नतीजतन, मैंने यह सुनिश्चित करने के लिए अपने नेटवर्क के अपने मॉडल को प्रशिक्षित करने के लिए संभव बनाया कि जिन वस्तुओं की हमें ज़रूरत है, उन्हें पहचानने के लिए केवल साइट और नमूना चित्रों का उपयोग करके। काम शुरू करने से पहले, मैंने विश्लेषण किया कि इस विषय पर दुनिया में क्या विकास हुआ है। जैसा कि यह निकला, आईटी उद्योग के कई दिग्गज इस दिशा में काम कर रहे हैं: यांडेक्स, मेल्वेन, अमेज़ॅन। मुख्य नुकसान यह था कि ये सभी दिग्गज अपनी सेवाओं के लिए पैसा चाहते हैं। यह मेरे लिए अपना विकास शुरू करने के लिए पर्याप्त था।मेरे पास पहले से ही पृष्ठभूमि थी, और मुझे पता था कि छवियों पर वस्तुओं को अच्छी तरह से कैसे ढूंढना और वर्गीकृत करना है, जो कुछ बचा था वह सब कुछ एक साथ रखना और एक सुविधाजनक इंटरफ़ेस बनाना था।

अधिकांश मामलों में, मैं अपनी परियोजनाओं में Microsoft तकनीकों का उपयोग करता हूं, जिसने इस परियोजना में उपयोग की जाने वाली तकनीकों को महत्वपूर्ण रूप से प्रभावित किया है:

ASP.NET (C # भाषा)
Webpi
जावास्क्रिप्ट jquery
MSSQL सर्वर
अजगर
Tensorflow

सबसे पहले, मैंने एक REST सेवा बनाने का फैसला किया, जो पूरे सिस्टम का मस्तिष्क होगा, जो हमें एपीआई के माध्यम से कमांड स्वीकार करने और सभी मोटे काम करने की अनुमति देगा। तंत्रिका नेटवर्क की वास्तुकला, मैंने मास्क आर-सीएनएन को चुना, यह नेटवर्क छवि में वस्तुओं को ढूंढ सकता है और उन्हें वर्गीकृत कर सकता है।

सब कुछ नियमित रूप से कम या ज्यादा हो गया, जब तक कि मैं अपने स्वयं के मॉडल को प्रशिक्षित करने की प्राप्ति तक नहीं पहुंच गया। हार्डवेयर पर सीखने की प्रक्रिया बहुत महंगी और मांग थी। बेशक, मुझे यह पहले से पता था, लेकिन इससे पहले, मैं गणना के लिए सीपीयू का उपयोग करते हुए, एक या दो दिन के लिए मॉडल के प्रशिक्षण के लिए इंतजार कर सकता था। लेकिन चूंकि विचार एक सुविधाजनक और त्वरित उपकरण बनाने के लिए था, इसलिए मैं मॉडल के लंबे प्रशिक्षण के साथ नहीं रख सका। इसलिए यह प्रश्न एक उपयुक्त वीडियो कार्ड के साथ एक विशेष सर्वर की स्थापना से जुड़ा है जो CUDA तकनीक ( https://ru.wikipedia.org/wiki/CUDA) का समर्थन करेगा) और मॉडल को प्रशिक्षित करने में लगने वाले समय को काफी कम कर देगा। प्रोजेक्ट बजट को न बढ़ाने के लिए, मैंने एक गैर-महंगा NVIDIA GeForce GTX 1050 Ti ग्राफिक्स कार्ड चुना। सेवा के साथ समानांतर में, मैंने विंडोज फॉर्म पर एक ग्राहक बनाया जो परीक्षण की अनुमति देगा।

दूसरे चरण में, मैंने एक वेबसाइट बनाई, जो मूल रूप से सेवा का ग्राहक है। मैं वास्तव में डिज़ाइन से परेशान नहीं था और यहां तक कि समाप्त टेम्पलेट को भी नहीं लिया था, मैंने खुद को सब कुछ लिखा था, केवल विज़ुअल स्टूडियो बॉक्स से बाहर क्या देता है। साइट को बनाने और परीक्षण करने के लिए एक और तीन महीने लग गए।

जब मैंने छवि अपलोड की, तो मैं अविश्वसनीय रूप से खुश था, मान्यता के लिए तैयार मॉडल का चयन किया, "मान्यता प्राप्त" बटन पर क्लिक किया और पहला परिणाम प्राप्त किया।

मशीन दृष्टि का वास्तविक कार्य

जब मैं मान्यता प्रणाली पर काम कर रहा था, एक वास्तविक कार्य मेरे पास आया - सड़क पर बर्फ को साफ करने वाली एक विशेष मशीन के सामने के फावड़े की स्थिति का निर्धारण करने के लिए। इस समस्या को हल करने के लिए, मैं समाधान के लिए एक दृष्टिकोण चुनने में सीमित नहीं था और शुरुआत से ही मैं विशेष सेंसर की स्थापना का उपयोग करना चाहता था जो फावड़े के कोण को निर्धारित करते हैं, लेकिन जल्दी से इस विचार को छोड़ दिया। जैसा कि यह निकला, इन सेंसरों को लगातार इस तथ्य के कारण कैलिब्रेट करने की आवश्यकता होती है कि फावड़ा समय-समय पर हटा दिया जाता है और दूसरे में डाल दिया जाता है, ऐसे सेंसर स्थापित करने वाले सहयोगियों के साथ बात करने के अलावा, मुझे पता चला कि ये सेंसर सड़क पर हैं और तोड़फोड़ के लिए उपलब्ध हैं। फावड़े के काम के नियंत्रण का विश्लेषण करने के लिए विचार आया था, लेकिन जैसा कि यह निकला, वास्तविक जीवन में वे फावड़े को हटाने के लिए इतनी दूर जाते हैं, और काम करने वाले निकायों पर वे संकेत देते हैं कि फावड़ा कम हो गया है,एक शब्द में, फिर से एक विश्वसनीय विकल्प नहीं है। खैर, उन्होंने मुझे मान्यता सेवा की पूरी शक्ति का उपयोग करने के अलावा कोई विकल्प नहीं छोड़ा। मैंने कार के यात्री डिब्बे में कैमरा लगाया, जो सामने की कुदाल को देख रहा है, कुदाल के कई सौ नमूने एकत्र किए, उन्हें वीजीजी उपकरण के साथ चिह्नित किया, जिसे मैंने साइट में बनाया और प्रशिक्षण शुरू किया। इस प्रक्रिया में लगभग दो घंटे लगे और 30 वें युग में मुझे काफी स्वीकार्य मान्यता मिली, मान्यता सटीकता 95% थी।इस प्रक्रिया में लगभग दो घंटे लगे और 30 वें युग में मुझे काफी स्वीकार्य मान्यता मिली, मान्यता सटीकता 95% थी।इस प्रक्रिया में लगभग दो घंटे लगे और 30 वें युग में मुझे काफी स्वीकार्य मान्यता मिली, मान्यता सटीकता 95% थी।

ताकि सिस्टम पूरी तरह से कार पर काम कर सके, मुझे इसे संशोधित करना पड़ा: एफ़टीपी के माध्यम से फ़ोटो अपलोड करने की क्षमता जोड़ें, और केवल एपीआई के माध्यम से नहीं क्योंकि कैमकॉर्डर ने आपको एक फोटो लेने और निर्दिष्ट ftp पर भेजने की अनुमति दी। डेटाबेस में परिणाम को बचाने की क्षमता को जोड़ा, और फिर परिणाम प्राप्त करने के लिए निश्चित अवधि के लिए एपीआई के माध्यम से, उनका विश्लेषण करें और 1 सी में लिखी लेखा प्रणाली को लिखें, जो कि एक विशाल नियंत्रण प्रणाली है जो एक ही समय में हजारों कारों का विश्लेषण करती है और कई मापदंडों को नियंत्रित करती है, जैसे कि माइलेज। , मशीन घंटे, टैंक में ईंधन, सवारी, सुस्ती, आदि, लेकिन यह एक पूरी तरह से अलग कहानी है। फावड़ा नियंत्रण का पहला संस्करण तैयार है, लेकिन युद्ध में इसका परीक्षण केवल बर्फ गिरने पर किया जाएगा।

यह कितना आसान है?

मान्यता सेवा का मुख्य विचार अपने स्वयं के मॉडल बनाने और प्रशिक्षित करने की सादगी है। यह समझने के लिए कि क्या कोई वास्तव में अपना स्वयं का मॉडल बना सकता है और प्रशिक्षित कर सकता है, मैंने अपने सहायक को एक सिंचाई मशीन से पानी के जेट को पहचानने के लिए एक मॉडल बनाने के लिए कहा। एकमात्र इनपुट जो मैंने उसे दिया था, वह सिंचाई मशीन के संचालन का एक वीडियो था, कैब से लिया गया था, और मान्यता सेवा का पता, शाम को मैंने उसके लिए यह कार्य निर्धारित किया था, और सुबह सिस्टम में जाने पर, मैंने एक तैयार मॉडल देखा जो वास्तव में काम करता था। नीचे खिड़की का एक स्क्रीनशॉट है जिसमें मॉडल को प्रशिक्षित किया गया है।

जैसा कि आप सीखते हैं, मॉडल का युग संरक्षित है, और हम, सीखने की प्रक्रिया को बाधित किए बिना, किसी भी युग का परीक्षण कर सकते हैं।

विकास और उपयोग

सब कुछ कैसे काम करता है इसका एक उदाहरण वीडियो क्लिप में देखा जा सकता है ।

मैंने लंबे समय से सोचा था कि अगर कोई अपना खुद का मॉडल बना सकता है, तो सिस्टम के अन्य उपयोगकर्ताओं के साथ इस मॉडल को साझा करना क्यों संभव नहीं है। नतीजतन, मैंने एक खंड जोड़ा जहां आप माउस के एक क्लिक के साथ एक सफल मॉडल रख सकते हैं और कोई भी प्रतिभागी इसका उपयोग कर सकता है। सेवा पूरी तरह से मुफ्त है।

अब मैं स्वयं सेवा का उपयोग उद्यमों में स्वचालित प्रक्रियाओं के अपने कार्यों को हल करने के लिए करता हूं जिसमें मशीन दृष्टि का उपयोग किया जा सकता है। भविष्य में मैं अन्य मान्यता दृष्टिकोणों को जोड़ने की योजना बना रहा हूं, न कि केवल तंत्रिका नेटवर्क। मुझे बहुत खुशी होगी अगर कोई और इस सेवा का उपयोग करके अपनी समस्याओं को हल कर सकता है।

कैसे मैंने मशीन विजन की चिंता नहीं की और सीखा

हम पहचान सेवा करते हैं

मशीन दृष्टि का वास्तविक कार्य

यह कितना आसान है?

विकास और उपयोग

More articles: