За счет чего достигается точность измерения бревна?

Компания Timbeter разработала алгоритм обнаружения бревен в штабеле по фото. Алгоритм – процесс многоступенчатый, каждый шаг повышает точность измерений. Какие это шаги, и за счёт чего достигается точность?

Распознавание каждого бревна на фото проходит 5 этапов и длится 30 секунд. «Кандидаты на роль» отбираются, объединяются в реальные изображения, фильтруются и калибруются. И так 2 раза.

Шаг 1
«Кандидаты на бревно» обрабатываются методом «скользящего окна» — метод сводит проблему распознавания объекта к проблеме классификации образов. Все фото разбивается на квадраты, каждый квадрат сканируется, и при попадании в квадрат бревна оно маркируется как «вероятно, это бревно». Всего классификаций 3: «нет, не бревно», «возможно, бревно» и «вероятно, бревно».

Шаг 2
Одно и то же бревно может обнаружится алгоритмом несколько раз, поэтому «кандидаты» с похожими положительными классификациями («вероятно, бревно») объединяются в одно распознавание. Размер и расположение бревна на фото определяется по формуле взвешенного среднеарифметического, которая применяется к кандидатам с похожими положительными маркерами.

Шаг 3
Все то, что «не бревно», удаляется. Бревна маленького диаметра, скорее всего, ложные. Кандидаты, отстоящие от других по вероятностным характеристикам, тоже, скорее всего, бревном не являются, или же это бревно не из штабеля. Учитываются такие факторы как изначальные маркеры вероятности и пересечение положительных вероятностей.

Шаг 4
Очистка. Улучшает точность диаметра распознанных бревен. Алгоритм очистки применяется к нескольким сотен обнаружений. За счет этого задействуется больше вычислительной мощности и, результат становится точнее.

Шаг 5
Вторичное распознавание. Снова методом скользящего окна. Но с существенным отличием от этапа 1: вторичный детектор ищет только бревна, подобные уже найденным. Вторичный детектор работает только с теми областями фото, на которых уже обнаружено бревно на этапе 1.

Этот многошаговый подход дает точные результаты за короткое время даже на мобильных телефонах и планшетах со слабыми камерами. Хотя на ПК можно запустить более мощные алгоритмы, Timbeter сделал выбор в пользу мгновенных результатов измерений: пользователь может находиться в глухом лесу без подключения к Интернету.

Источник: timbeter.com