ПО
Главная » Оборудование и ПО » ПОБиблиотека “PWNIP”
Эффективность разработок интеллектуального ПО достигается компанией «ПАВЛИН Технологии» за счет использования отлаженных базовых алгоритмов при решении различных прикладных задач. Набор «строительных кирпичиков», из которых, как из конструктора, быстро возводится решение прикладной задачи, оформлен в виде библиотеки оригинальных программных компонент. Среди них различные алгоритмы машинного обучения, кластеризации, аппроксимации функций, фильтрации шумов, построения регуляризированных параметрических моделей, быстрого решения плотных и разреженных СЛАУ, алгоритмы машинного зрения, алгоритмы поиска изображений, эволюционные вычисления, реализованные в виде кроссплатформенных C++ классов и функций, работоспособных в различных операционных системах в качестве компонент клиентских и серверных приложений. Библиотека «PWNIP» возникла в результате накопления опыта и представляет важный элемент интеллектуальной собственности компании. Большая часть этих функций имеет версию для параллельного исполнения на многоядерных процессорах, в том числе типа GPU, реализованную с помощью библиотеки NVIDIA CUDA, что позволяет в десятки раз ускорить вычисления.
Архитектура библиотеки PWNIP
Архитектура PWNIP имеет три уровня иерархии, от самых простых базовых алгоритмов типа матрично-векторных операций и до высокоуровневых прикладных компонент, решающих конкретные прикладные задачи (например, обнаружение объектов нужного класса на изображениях). Сама библиотека опирается на эффективные и распространенные в индустрии технологии, не требующие лицензионных отчислений от пользователей конечных решений (например, не требуется лицензия пакета MATLAB™).
Ниже в табличной форме представлено краткое описание модулей библиотеки PWNIP.
|
Уровень |
Модуль |
Назначение |
|
Компоненты |
PWNCloudObj |
Компоненты обнаружения объектов в трехмерных данных сканирования: детекция поверхностей, протяженных объектов, встраивание аналитических моделей, фильтрация шумов и выбросов, топологические преобразования поверхностей с целью моделирования поверхностей, не представимых в виде карты высот, т.е. имеющих отвесные стены, вогнутости, и т.п. |
|
PWNImage |
Компоненты устранения искажений и улучшения изображений: устранение смаза, размытия, фильтрация шумов, исправление неравномерности освещения, суперразрешение. Компоненты для выделения в изображении признаков для различных алгоритмов распознавания. |
|
|
PWNImageObj |
Компоненты поиска и идентификации объектов заданных классов на изображении – лица людей, логотипы. Компоненты для обучения оригинальной системы машинного зрения на произвольные объекты, в том числе с применением многоядерных графических процессоров, как для ускоренного обучения, так и для ускоренного поиска объектов. |
|
|
PWNStereo |
Компоненты для трехмерной реконструкции объектов и положений наблюдателя по фотографиям (стереоснимкам), как со структурной подсветкой, так и без нее. |
|
|
Алгоритмы |
PWNNLIB |
Широкий спектр алгоритмов для регуляризированной нейросетевой аппроксимации, фильтрации и распознавания, в том числе с применением графических и центральных многоядерных процессоров, как для обучения, так и для вычисления выходного сигнала. |
|
PWNClassify |
Линейные подходы к решению задач распознавания образов и снижению размерности сигнала. Реализация алгоритма распространения уверенности для расчета Марковских Сетей. |
|
|
PWNFace |
Различные алгоритмы обнаружения и анализа лиц людей |
|
|
PWNSurface |
Базовые алгоритмы иерархического моделирования элементов нелинейных поверхностей вида z = f(x,y), в том числе связанных в Марковскую сеть. |
|
|
PWNGenetic |
Реализации генетического алгоритма и стохастической оптимизации. |
|
|
PWNClustering |
Алгоритмы кластеризации данных, в том числе оптимизированные для кластеризации 3D структур. |
|
|
PWNMechanics |
Алгоритмы моделирования динамических изменений упругих тел под воздействием внешних и внутренних сил, в том числе для неоднородных сред. Алгоритмы численного решения прямых и обратных уравнений Сен-Венана для гидрологического прогнозирования и моделирования. |
|
|
Ядро |
PWNMath |
Эффективные матрично-векторные операции с удобным и простым интерфейсом для разработчика. Функции для статистического и комбинаторного анализа выборок. |
|
PWNGeometry |
Арсенал структур данных и функций аналитической и вычислительной геометрии, в том числе для быстрого решения задачи поиска ближайших соседей, задачи поиска объектов, входящих в заданный объем. |
|
|
PWNVisualize |
Удобная объектно-ориентированная подсистема интерактивной онлайн визуализации трехмерных и двухмерных данных и объектов на основе OpenGL. Арсенал функций отрисовки различных линейных и древовидных структур данных: триангуляции, гладкие поверхности со светотеневой окраской, графы, облака точек, и т.п. |
|
|
PWNFilter |
Функции работы с различным фильтрами, в том числе с фильтрами Калмана. |
|
|
PWNColor |
Функции работы с цветовыми пространствами |
|
|
PWNGeneral, PWNProfiler, PWNThreads |
Вспомогательные удобные алгоритмы для быстрой организации и отладки консольных приложений, структур данных и сериализации. |
|
|
PWNCloud Computing |
Набор программных средств и функций, осуществляющих выполнение и распараллеливание различных алгоритмов в облачной среде. Средства доступа к серверным функциям из мобильных и иных клиентских приложений. |