wwy2018-Machine_Learning_research_on_simple_target_recognition_and_intention_analysis: Исследование проекта машинного обучения для практики по распознаванию простых целей и анализу намерений Этот проект посвящён исследованию в области интеллектуального распознавания групповых целей. Путем распознавания группового целевого поведения эффективно обрабатывается и используется полученная информация, а также точно определяется намерение боевой группы. Исследование сосредоточено на проблеме распознавания намерений группы. В нём рассматриваются сложные топографические условия, изменчивые состояния целей и различные варианты оценки намерений. На примере танковых боевых групп сначала с помощью Unity3D была создана модель танковой группы, имитирующая распространённые боевые порядки и последовательности движения целей. Затем были обработаны изображения и видео вражеских танковых групп, включая шумоподавление, бинаризацию, чёрно-белое изображение и цветоделение. После этого было проведено первичное сопоставление шаблонов, найдены приблизительные координаты местоположения цели, выполнено перспективное преобразование, цель была увеличена до общего угла обзора, и снова проведено сопоставление шаблонов. Наконец, используя изученный ранее алгоритм соединения точек, был получен упрощённый рисунок соединений. В итоге с использованием модели inceptionV3 от GoogLeNet и метода создания классификатора глубинного обучения с функцией softmax удалось реализовать процесс распознавания от идентификации группового целевого построения до определения намерения группы.

Исследование в области машинного обучения по распознаванию простых целей и анализу намерений

Данный проект представляет собой исследование в области машинного обучения, направленное на разработку методов распознавания групповых целей и анализа их намерений. В рамках проекта были рассмотрены сложные условия окружающей среды, разнообразные состояния целей и множество вариантов анализа намерений на примере танковых сражений.

Для начала была создана модель танковой группы в Unity3D, которая имитировала распространённые боевые порядки и последовательности движения. Затем изображения и видеоматериалы с вражескими танками были обработаны для снижения уровня шума, включая бинаризацию, преобразование в чёрно-белое изображение и цветоделение. После этого было проведено первичное сопоставление шаблонов, определены приблизительные координаты местоположения целей, и выполнено перспективное преобразование для масштабирования целей до стандартного угла обзора. Наконец, было проведено повторное сопоставление шаблонов и применён алгоритм соединения точек для получения упрощённой схемы расположения целей.

На основе полученных результатов был разработан классификатор на основе модели GoogLeNet inceptionV3 и функции softmax для определения групповых целей и их намерений.

Автор выражает благодарность блогерам CSDN и своим преподавателям за помощь в работе над проектом. Он также приглашает всех желающих к обсуждению и улучшению проекта, а также предлагает свои контактные данные.

Ссылки на статьи о проекте:

OSCHINA-MIRROR/wwy2018-Machine_Learning_research_on_simple_target_recognition_and_intention_analysis

Комментарии ( 0 )

Введение

Обновления

Участники

Недавние действия