美国陆军《机器学习方法对红外视频数据的适用性》27页技术报告

态势感知是作战人员的必需能力。一种常见的监视方法是利用传感器。电子光学/红外（EOIR）传感器同时使用可见光和红外传感器，使其能够在光照和黑暗（日/夜）情况下使用。这些系统经常被用来探测无人驾驶飞机系统（UAS）。识别天空中的这些物体需要监测该系统的人员开展大量工作。本报告的目的是研究在红外数据上使用卷积神经网络来识别天空中的无人机系统图像的可行性。本项目使用的数据是由作战能力发展司令部军备中心的精确瞄准和集成小组提供的。

该报告考虑了来自红外传感器的图像数据。这些图像被送入一个前馈卷积神经网络，该网络将图像分类为有无无人机系统。卷积模型被证明是处理这些数据的第一次尝试。本报告提供了一个未来的方向，以便在未来进行扩展。建议包括微调这个模型，以及在这个数据集上使用其他机器学习方法，如目标检测和 YOLO算法。