{"id":311415,"date":"2020-10-13T21:00:28","date_gmt":"2020-10-13T21:00:28","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=311415"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=311415","title":{"rendered":"\u0414\u0435\u043b\u0430\u0435\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0441\u043c\u043e\u0436\u0435\u0442 \u043e\u0442\u043b\u0438\u0447\u0438\u0442\u044c \u0431\u043e\u0440\u0449 \u043e\u0442 \u043f\u0435\u043b\u044c\u043c\u0435\u0448\u0435\u043a"},"content":{"rendered":"\n<div class=\"post__text post__text-html post__text_v1\" id=\"post-content-body\" data-io-article-url=\"https:\/\/habr.com\/ru\/post\/519330\/\">\u041a\u0430\u043a \u0442\u043e \u0440\u0430\u0437 \u0441\u043c\u043e\u0442\u0440\u044f \u0432\u0438\u0434\u043e\u0441 \u043f\u0440\u043e \u0434\u043e\u0441\u0442\u0438\u0436\u0435\u043d\u0438\u044f \u041f\u043e\u0434\u043d\u0435\u0431\u0435\u0441\u043d\u043e\u0439, \u044f \u0443\u0432\u0438\u0434\u0435\u043b \u043f\u0440\u0438\u043a\u043e\u043b\u044c\u043d\u0443\u044e \u0448\u0442\u0443\u043a\u0443. \u0421\u0442\u043e\u043b\u043e\u0432\u0443\u044e \u0431\u0443\u0434\u0443\u0449\u0435\u0433\u043e, \u0442\u043e\u0447\u043d\u0435\u0435 \u0434\u043b\u044f \u041a\u0438\u0442\u0430\u044f \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0433\u043e, \u0430 \u0434\u043b\u044f \u043d\u0430\u0441 \u0431\u0443\u0434\u0443\u0449\u0435\u0433\u043e. \u0421\u0443\u0442\u044c \u0437\u0430\u043a\u043b\u044e\u0447\u0430\u043b\u0430\u0441\u044c \u0432 \u043f\u043e\u043b\u043d\u043e\u043c \u0441\u0430\u043c\u043e\u043e\u0431\u0441\u043b\u0443\u0436\u0438\u0432\u0430\u043d\u0438\u0435 \u043a\u043b\u0438\u0435\u043d\u0442\u0430. \u041e\u043d \u0431\u0440\u0430\u043b \u0431\u043b\u044e\u0434\u0430 \u043d\u0430 \u043f\u043e\u0434\u043d\u043e\u0441 \u0438 \u043f\u043e\u0434\u043d\u043e\u0441\u0438\u043b \u043f\u043e\u0434\u043d\u043e\u0441 \u043a \u0432\u0438\u0434\u0435\u043e \u043a\u0430\u043c\u0435\u0440\u0435 \u0433\u0434\u0435 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u043a\u0430 \u0434\u0435\u0442\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0430 \u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043b\u0430 \u0435\u0434\u0443, \u0432\u044b\u0441\u0442\u0430\u0432\u043b\u044f\u043b\u0430 \u0435\u043c\u0443 \u0441\u0447\u0435\u0442 \u0438 \u043e\u043d \u0447\u0435\u0440\u0435\u0437 \u0435\u0449\u0435 \u043e\u0434\u043d\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043b\u0430 \u0435\u0433\u043e \u043b\u0438\u0446\u043e, \u043e\u043f\u043b\u0430\u0447\u0438\u0432\u0430\u043b \u0441\u0432\u043e\u044e \u043f\u043e\u043a\u0443\u043f\u043a\u0443. \u041c\u043d\u0435 \u0442\u043e\u0436\u0435 \u0437\u0430\u0445\u043e\u0442\u0435\u043b\u043e\u0441\u044c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0447\u0442\u043e \u0442\u043e \u043f\u043e\u0434\u043e\u0431\u043d\u043e\u0435. \u0420\u0430\u0437\u043c\u0435\u0447\u0430\u0442\u044c \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u043f\u043e\u0434 YOLO, \u0447\u0442\u043e \u0431\u044b \u043c\u043e\u0436\u043d\u043e \u0431\u044b\u043b\u043e \u0434\u0435\u0442\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0431\u043b\u044e\u0434\u0430 \u043c\u043d\u0435 \u0431\u044b\u043b\u043e \u0441\u043e\u0432\u0441\u0435\u043c \u043d\u0435 \u043e\u0445\u043e\u0442\u043e. \u0413\u043e\u0442\u043e\u0432\u043e \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u043e\u0433\u043e \u0441 \u0431\u043e\u0440\u0449\u0430\u043c\u0438 \u0438 \u043f\u0435\u043b\u044c\u043c\u0435\u0448\u043a\u0430\u043c\u0438 \u044f \u043d\u0435 \u043d\u0430\u0448\u0435\u043b, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0440\u0435\u0448\u0438\u043b \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e. <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/li\/87\/dn\/li87dnv36y1af7mpkp7brwhbbmk.jpeg\"><a name=\"habracut\"><\/a><br \/>  \u041a\u0430\u0440\u0442\u0438\u043d\u043a\u0438 \u0431\u043e\u0440\u0449\u0430, \u043f\u0435\u043b\u044c\u043c\u0435\u043d\u0435\u0439 \u0438 \u043a\u043e\u0444\u0435 \u044f \u0441\u043f\u0430\u0440\u0441\u0438\u043b \u0438\u0437 \u0433\u0443\u0433\u043b\u0430 \u0438 \u044f\u043d\u0434\u0435\u043a\u0441\u0430. \u0414\u0430\u043b\u0435\u0435 \u0440\u0430\u0437\u043b\u043e\u0436\u0438\u043b \u0438\u0445 \u043f\u043e \u043f\u0430\u043f\u043a\u0430\u043c train \u0438 data. \u0417\u0430\u0441\u0430\u0434\u0430 \u043e\u043a\u0430\u0437\u0430\u043b\u0430\u0441\u044c \u0432 \u043a\u0435\u0440\u0430\u0441\u0435, \u0430 \u0438\u043c\u0435\u043d\u043d\u043e \u0432 \u043c\u043e\u0434\u0443\u043b\u0435 image generator. \u042f \u043d\u0435 \u0445\u043e\u0442\u0435\u043b \u0447\u0442\u043e \u0431\u044b \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0437\u0430\u043d\u0438\u043c\u0430\u043b \u0432\u0441\u044e \u043e\u043f\u0435\u0440\u0430\u0442\u0438\u0432\u043a\u0443, \u043d\u043e \u043f\u043e\u0447\u0435\u043c\u0443 \u0442\u043e \u043a\u043e\u0433\u0434\u0430 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430 \u0434\u043e\u0445\u043e\u0434\u0438\u043b\u0430 \u0434\u043e \u044d\u0442\u043e\u0433\u043e \u043c\u043e\u0434\u0443\u043b\u044f, \u0442\u043e \u043e\u043d\u0430 \u0437\u0430\u0432\u0438\u0441\u0430\u043b\u0430. \u041d\u0443 \u0442\u043e\u0433\u0434\u0430 \u044f \u0440\u0435\u0448\u0438\u043b \u0438\u0434\u0442\u0438 \u043f\u0440\u043e\u0441\u0442\u044b\u043c \u043f\u0443 \u0442\u0435\u043c \u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u0437\u0430\u0431\u0438\u043b \u0432\u0435\u0441\u044c \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0432 \u043e\u043f\u0435\u0440\u0430\u0442\u0438\u0432\u043a\u0443.   <\/p>\n<pre><code class=\"python\">def data_load_image(folder, y, z):     imagePath = folder + '\/'     jpg1 = &quot;.jpg&quot;     y = int(y)     global number     global dataset_X     global dataset_Y     global dataval_X     global dataval_Y     for file in glob.glob(folder +&quot;\/*&quot;):         identify = os.path.splitext(os.path.basename(file))[0]         #print (identify)         cv = imagePath + identify + jpg1         #print (cv)         img = (cv2.imread(cv))         img = cv2.resize(img,(224,224))         #img = np.reshape(img,(3,224,224))         if z == 1:             dataset_X[number, :, : , :] = img\/255.0             dataset_Y[number, y] = 1         else:             dataval_X[number, :, :, :] = img\/255.0             dataval_Y[number, y] = 1         number = number + 1 <\/code><\/pre>\n<p>  \u0414\u0430\u043b\u0435\u0435 \u0441\u043a\u0430\u0447\u0438\u0432\u0430\u0435\u043c \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 Resnet-50 \u0431\u0435\u0437 \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0435\u043d\u043d\u044b\u0445 \u0432\u0435\u0440\u0445\u043d\u0438\u0445 \u0441\u043b\u043e\u0435\u0432 \u0438 \u0437\u0430\u043c\u043e\u0440\u0430\u0436\u0438\u0432\u0430\u0435\u043c \u0438\u0445. \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430\u0438\u0432\u0430\u0436\u043d\u0435\u0439\u0448\u0435\u0439 \u0437\u0430\u0434\u0430\u0447\u0435 \u043f\u043e \u0440\u0430\u043f\u043e\u0437\u043d\u043e\u0432\u0430\u043d\u0438\u044e \u043f\u0435\u043b\u044c\u043c\u0435\u0448\u0435\u043a \u0431\u044b\u043b\u043e \u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u043d\u043d\u043e \u0442\u0430\u043a \u0436\u0435 \u043d\u0430 VGG-19 \u0438 MobileNet, \u043d\u043e \u043e\u043d\u0438 \u0441 \u0437\u0430\u0434\u0430\u0447\u0435\u0439 \u043d\u0435 \u0441\u043f\u0440\u0430\u0432\u043b\u044f\u043b\u0438\u0441\u044c \u043e\u0442 \u0441\u043b\u043e\u0432\u0430 \u0441\u043e\u0432\u0441\u0435\u043c.<\/p>\n<pre><code class=\"python\">model = applications.ResNet50(     weights = 'imagenet',include_top = False,     input_tensor = img, input_shape = None, pooling = 'avg') for layer in model.layers:     layer.trainable = False <\/code><\/pre>\n<p>  \u0414\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u0441\u043b\u043e\u0438 \u0434\u043b\u044f transfer learning<\/p>\n<pre><code class=\"python\">#Adding custom Layers  x = model.layers[-1].output #x = Flatten()(x) #x = Dense(128, activation=&quot;relu&quot;)(x) x = Dropout(0.1)(x) x = Dense(256, activation=&quot;relu&quot;)(x)  predictions = Dense(4, activation=&quot;sigmoid&quot;)(x)  # creating the final model  model_final = Model(input = model.input, output = predictions)<\/code><\/pre>\n<p>  \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0434\u043b\u044f \u043f\u0435\u0440\u0435\u043c\u0435\u0448\u0438\u0432\u0430\u043d\u0438\u044f \u043d\u0430\u0448\u0438\u0445 \u043a\u0430\u0440\u0442\u0438\u043d\u043e\u043a, \u0447\u0442\u043e \u0431\u044b \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0431\u044b\u043b\u043e \u0441\u043b\u043e\u0436\u043d\u0435\u0435 \u043e\u0431\u0443\u0447\u0430\u0442\u044c\u0441\u044f. \u0425\u043e\u0447\u0443 \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c \u0447\u0442\u043e \u044f \u043d\u0435 \u0437\u0430\u0434\u0430\u0432\u0430\u043b \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0434\u043b\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0440\u0430\u043d\u0434\u043e\u043c\u0430. \u041c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u0443\u0447\u0430\u043b\u0430\u0441\u044c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0440\u0430\u0437 \u0441 \u0440\u0430\u0437\u043d\u044b\u043c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435\u043c \u0440\u0430\u043d\u0434\u043e\u043c\u0430 \u0438 \u043a\u0430\u0436\u0434\u044b\u0439 \u0440\u0430\u0437 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0431\u044b\u043b \u0431\u043e\u043b\u0435\u0435 90 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043e\u0432. \u041f\u043e\u0445\u043e\u0436\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u043e \u0441\u0447\u0430\u0441\u0442\u043b\u0438\u0432\u043e\u0433\u043e \u0431\u0438\u043b\u0435\u0442\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0443\u0435\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0445 \u0441\u0435\u0442\u0435\u0439.  <\/p>\n<pre><code class=\"python\">def unison_shuffled_copies(a, b):     assert len(a) == len(b)     z = np.arange(a.shape[0])     np.random.shuffle(z)     print(z.shape)     return a[z,:], b[z,:]<\/code><\/pre>\n<p>  \u0414\u043b\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u044f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u0430\u043b\u044c\u043d\u0443\u044e \u043a\u0440\u043e\u0441\u044d\u043d\u0442\u0440\u043e\u043f\u0438\u044e, \u0430 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u2014 \u0430\u0434\u0430\u043c.<\/p>\n<pre><code class=\"python\">model_final.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) model.summary()<\/code><\/pre>\n<p>  \u041d\u0443 \u0438 \u0441\u0430\u043c \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f. \u0417\u0434\u0435\u0441\u044c \u044f \u043f\u0435\u0440\u0435\u043c\u0435\u0448\u0438\u0432\u0430\u043b \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0438 \u043a\u0430\u0436\u0434\u0443\u044e \u044d\u043f\u043e\u0445\u0443  <\/p>\n<pre><code class=\"python\">for i in range(30): \tprint('STEP ' + str(i)) \tmodel_final.fit(dataset_X, dataset_Y, epochs=1, batch_size=15) \tdataset_X, dataset_Y = unison_shuffled_copies(dataset_X,dataset_Y)<\/code><\/pre>\n<p>  \u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043d\u0430 \u0432\u0438\u0434\u0435\u043e.   <\/p>\n<div class=\"oembed\">\n<div>\n<div style=\"left: 0; width: 100%; height: 0; position: relative; padding-bottom: 56.25%;\"><iframe src=\"https:\/\/www.youtube.com\/embed\/uSU4qcN6Me0?rel=0&amp;showinfo=1&amp;hl=en-US\" style=\"border: 0; top: 0; left: 0; width: 100%; height: 100%; position: absolute;\" allowfullscreen scrolling=\"no\" allow=\"encrypted-media; accelerometer; gyroscope; picture-in-picture\"><\/iframe><\/div>\n<\/div>\n<\/div>\n<p>  <a href=\"https:\/\/github.com\/beetlea\/Pelmeshki_Find\/tree\/main\" rel=\"nofollow\">\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u0438\u0441\u0445\u043e\u0434\u043d\u0438\u043a\u0438.<\/a><br \/>   \u0414\u043b\u044f \u0437\u0430\u043f\u0443\u0441\u043a\u0438 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0438 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u0435 \u0444\u0430\u0439\u043b opencv-camera.py<\/div>\n<p> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/post\/519330\/\"> https:\/\/habr.com\/ru\/post\/519330\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"\n<div class=\"post__text post__text-html post__text_v1\" id=\"post-content-body\" data-io-article-url=\"https:\/\/habr.com\/ru\/post\/519330\/\">\u041a\u0430\u043a \u0442\u043e \u0440\u0430\u0437 \u0441\u043c\u043e\u0442\u0440\u044f \u0432\u0438\u0434\u043e\u0441 \u043f\u0440\u043e \u0434\u043e\u0441\u0442\u0438\u0436\u0435\u043d\u0438\u044f \u041f\u043e\u0434\u043d\u0435\u0431\u0435\u0441\u043d\u043e\u0439, \u044f \u0443\u0432\u0438\u0434\u0435\u043b \u043f\u0440\u0438\u043a\u043e\u043b\u044c\u043d\u0443\u044e \u0448\u0442\u0443\u043a\u0443. \u0421\u0442\u043e\u043b\u043e\u0432\u0443\u044e \u0431\u0443\u0434\u0443\u0449\u0435\u0433\u043e, \u0442\u043e\u0447\u043d\u0435\u0435 \u0434\u043b\u044f \u041a\u0438\u0442\u0430\u044f \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0433\u043e, \u0430 \u0434\u043b\u044f \u043d\u0430\u0441 \u0431\u0443\u0434\u0443\u0449\u0435\u0433\u043e. \u0421\u0443\u0442\u044c \u0437\u0430\u043a\u043b\u044e\u0447\u0430\u043b\u0430\u0441\u044c \u0432 \u043f\u043e\u043b\u043d\u043e\u043c \u0441\u0430\u043c\u043e\u043e\u0431\u0441\u043b\u0443\u0436\u0438\u0432\u0430\u043d\u0438\u0435 \u043a\u043b\u0438\u0435\u043d\u0442\u0430. \u041e\u043d \u0431\u0440\u0430\u043b \u0431\u043b\u044e\u0434\u0430 \u043d\u0430 \u043f\u043e\u0434\u043d\u043e\u0441 \u0438 \u043f\u043e\u0434\u043d\u043e\u0441\u0438\u043b \u043f\u043e\u0434\u043d\u043e\u0441 \u043a \u0432\u0438\u0434\u0435\u043e \u043a\u0430\u043c\u0435\u0440\u0435 \u0433\u0434\u0435 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u043a\u0430 \u0434\u0435\u0442\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0430 \u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043b\u0430 \u0435\u0434\u0443, \u0432\u044b\u0441\u0442\u0430\u0432\u043b\u044f\u043b\u0430 \u0435\u043c\u0443 \u0441\u0447\u0435\u0442 \u0438 \u043e\u043d \u0447\u0435\u0440\u0435\u0437 \u0435\u0449\u0435 \u043e\u0434\u043d\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043b\u0430 \u0435\u0433\u043e \u043b\u0438\u0446\u043e, \u043e\u043f\u043b\u0430\u0447\u0438\u0432\u0430\u043b \u0441\u0432\u043e\u044e \u043f\u043e\u043a\u0443\u043f\u043a\u0443. \u041c\u043d\u0435 \u0442\u043e\u0436\u0435 \u0437\u0430\u0445\u043e\u0442\u0435\u043b\u043e\u0441\u044c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0447\u0442\u043e \u0442\u043e \u043f\u043e\u0434\u043e\u0431\u043d\u043e\u0435. \u0420\u0430\u0437\u043c\u0435\u0447\u0430\u0442\u044c \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u043f\u043e\u0434 YOLO, \u0447\u0442\u043e \u0431\u044b \u043c\u043e\u0436\u043d\u043e \u0431\u044b\u043b\u043e \u0434\u0435\u0442\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0431\u043b\u044e\u0434\u0430 \u043c\u043d\u0435 \u0431\u044b\u043b\u043e \u0441\u043e\u0432\u0441\u0435\u043c \u043d\u0435 \u043e\u0445\u043e\u0442\u043e. \u0413\u043e\u0442\u043e\u0432\u043e \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u043e\u0433\u043e \u0441 \u0431\u043e\u0440\u0449\u0430\u043c\u0438 \u0438 \u043f\u0435\u043b\u044c\u043c\u0435\u0448\u043a\u0430\u043c\u0438 \u044f \u043d\u0435 \u043d\u0430\u0448\u0435\u043b, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0440\u0435\u0448\u0438\u043b \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e. <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/li\/87\/dn\/li87dnv36y1af7mpkp7brwhbbmk.jpeg\"><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-311415","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/311415","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=311415"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/311415\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=311415"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=311415"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=311415"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}