目前,有大量的全动态视频(FMV)档案从未被查看过,而且随着传感器数量的增加,情况越来越糟糕。加拿大国防部(DND)、加拿大其他机构和盟友的问题基本相同:不具备分析来自监控的全动态视频数据的人力。为解决此问题,要求有一种易于扩展的分析能力,这种能力与不断增长的可用视频传感器数量成比例地增长。为了解决这个问题,加拿大国防研究与发展部(DRDC)--瓦尔卡蒂尔研究中心及其赞助者加拿大特种作战部队司令部(CANSOFCOM),已经开始了一项探索性的举措,利用深度学习的最新进展来描述图像和视频内容。这种新兴的能力可以被用来处理FMV,从而为军事分析人员提供支持。本科学报告描述了用于实时FMV分析的自动视频分析(LAVA)概念。它描述了科学家们所面临的工程、创新和研究问题。报告提供了使用机载军事传感器进行的多次真实测试的结果。最后,提出了这项技术的潜在开发途径。

这份研究文件对如何利用深度学习来分析加拿大武装部队和其他加拿大机构所掌握的大量FMV进行了深入的分析。该文件提出了一个在现实作战条件下使用的概念论证,并提供了结果表现、问题、挑战和未来的方向。这项技术可用于处理FMV档案和分析实时FMV反馈,以协助情报分析人员。

成为VIP会员查看完整内容
29

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
国家自然科学基金
22+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
17+阅读 · 2021年3月29日
An Attentive Survey of Attention Models
Arxiv
43+阅读 · 2020年12月15日
Arxiv
14+阅读 · 2020年9月1日
Arxiv
13+阅读 · 2018年4月18日
VIP会员
相关VIP内容
相关资讯
相关基金
国家自然科学基金
22+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员