Ocean Surveillance with Polarimetric SAR
Notice bibliographique
Résumé
Une mission clé du ministère de la Défense nationale consiste à assurer la surveillance des eaux canadiennes. Pendant très longtemps, cette tâche a été accomplie grâce à un agencement de vols de patrouille du CP-140 et de rapports de navires de guerre. Récemment, on a prospecté l'utilisation de satellites commerciaux tels que RADARSAT-1 pour la détection de navires. Les futurs satellites commerciaux tels que ENVISAT et RADARSAT-2 auront des modes à polarisation double et à polarisation quadruple. L'exploitation polarimétrique des données SAR permet éventuellement d'obtenir de l'information sur la structure d'une cible. On s'attend à ce que cette information améliore les capacités de détection d'images SAR de navires. Le présent document fait rapport des résultats de plusieurs techniques polarimétriques appliquées à la détection de navires. On a également effectué une étude approfondie de la détectabilité relative des navires dans le cas des canaux à polarisation orthogonale et des canaux copolaires. Les résultats obtenus des méthodes entièrement polarimétriques, comparés à ceux des canaux simples indiquent une meilleure capacité de détection de navires. Comme les résultats présentés ici le montrent, une méthode fournit des renseignements structuraux qui conviennent à la classification. Les cas où des signaux saturés affaiblissent la détection polarimétrique sont analysés.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».