MétaCan
Menu
Retour à la cohorte
Enregistrement W2087019298 · doi:10.1117/12.2015259

Characterization of the OPAL obscurant penetrating LiDAR in various degraded visual environments

2013· article· en· W2087019298 sur OpenAlexafffundabout
Evan Trickey, P. Church, Xiaoying Cao

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensNeptec Design Group (Canada)
Organismes subventionnairesPublic Works and Government Services CanadaGovernment of CanadaDefence Research and Development Canada
Mots-clésLidarRemote sensingSnowEnvironmental sciencePenetration (warfare)AerosolComputer scienceGeologyMeteorologyPhysicsEngineeringGeomorphology

Résumé

récupéré en direct d'OpenAlex

The OPAL obscurant penetrating LiDAR was developed by Neptec and characterized in various degraded visual environments (DVE) over the past five years. Quantitative evaluations of obscurant penetration were performed using the Defence RD Canada – Valcartier (DRDC Valcartier) instrumented aerosol chamber for obscurants such as dust and fog. Experiments were done with the sensor both at a standoff distance and totally engulfed in the obscurants. Field trials were also done to characterize the sensor in snow conditions and in smoke. Finally, the OPAL was also mounted on a Bell 412 helicopter to characterize its dust penetration capabilities, in environment such as Yuma Proving Ground. The paper provides a summary of the results of the OPAL evaluations demonstrating it to be a true “see through” obscurant penetrating LiDAR and explores commercial applications of the technology.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,412
Score d'incertitude au seuil0,621

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,200 · 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 tête enseignante, 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

Citations32
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207