《探究图像增强技术对目标检测与分类的影响以提升态势感知系统性能​​》

态势感知（SA）与人工智能（AI）在未来应用场景中密不可分——无论是民用领域、灾害救援，尤其是军事领域。在这些场景中，以最快速、最精确的方式提供全面信息，对于在物资装备获取与拒止、人员管控等环节完成既定任务具有决定性意义。目标检测与分类作为其中的核心环节，将成为未来数年内民用和军事领域技术发展与进步的重要基石。此类系统必须能够在全天候条件下运行，并具备不依赖附加设备即可辨别观测目标细微差异的能力。

人工智能算法可在多个领域提升态势感知能力及决策速度与精度，例如灾害缓解与修复、搜救行动、载具与机械作业等。在尚未被人工智能全面渗透的军事领域，其应用潜力更为显著。关键方向之一在于目标捕获与敌我识别，特别是在交战区域存在相似物资装备且算法缺乏训练材料的情况下。此时最先进的目标检测算法便发挥关键作用。本文通过三个维度检验该类算法：在预训练模型上验证性能；利用极有限数据集训练模型；借助图像增强技术观察其对结果产生的影响。