MétaCan
Menu
Retour à la cohorte
Enregistrement W1971696071 · doi:10.1117/12.603601

In harbor underwater threat detection/identification using active imaging

2005· article· en· W1971696071 sur OpenAlexaffabout
Alan Weidemann, Georges Fournier, Luc Forand, Pierre Mathieu

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Enhancement Techniques
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésComputer scienceUnderwaterRemote sensingLaserComputer visionArtificial intelligenceOpticsGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

We present results from trials of the LUCIE 2 (Laser Underwater Camera Image Enhancer) conducted in Halifax Harbor, Nova Scotia, Canada and Esquimalt Harbor, Victoria, British Columbia, Canada. LUCIE 2 is a new compact laser range gated camera (10 inches in diameter, 24 inches in length, and neutrally buoyant in water) originally designed to improve search and recovery operations under eye safe restrictions. The flexibility and eye safety of this second generation LUCIE makes it a tool for improved hull searches and force protection operations when divers are in the water attempting to identify bottom lying objects. The camera is equipped with a full image geo-positioning system. To cover various environmental and targets size conditions, the gate-delay, gate width, polarization and viewing and illuminating angles can be varied as well. We present an analysis on the performance of the system in various water conditions using several target types and a comparison with diver and camera identification. Coincident in-situ optical properties of absorption and scattering were taken to help resolve the environmental information contained in the LUCIE image. Several new capabilities are currently being designed and tested, among them a differential polarization imaging system, a stabilized line of sight system with step-stare capability for high resolution mosaic area coverage, a precision dimensioning system and a diver guided and operated version.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetImage Enhancement TechniquesTravaux en français237 207