MétaCan
Menu
Retour à la cohorte
Enregistrement W4285608807 · doi:10.18698/0236-3933-2022-2-79-95

Forming and Displaying Video Data in Onboard Enhanced Vision Multispectral Systems

2022· article· en· W4285608807 sur OpenAlexaff
Mykyta Bondarenko, A.V. Bondarenko, Vladimir N. Drynkin, Yu. V. Pavlov

Notice bibliographique

RevueHerald of the Bauman Moscow State Technical University Series Instrument Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrared Target Detection Methodologies
Établissements canadiensASTER
Organismes subventionnairesnon disponible
Mots-clésMonochromeComputer visionArtificial intelligenceMultispectral imageComputer scienceVisibilityRGB color modelColor imageImage processingImage (mathematics)OpticsPhysics

Résumé

récupéré en direct d'OpenAlex

The article considers the results of long-term research and real flight tests for developing a multichannel system for enhanced vision in difficult for aircraft crew visibility conditions. The multicomponent nature of the aggregate video signal generated by a multispectral video system is shown, justifying its representation in color and the need to develop a color indicator of the aircraft windshield to obtain a better quality of situational awareness for pilot compared to the capabilities of traditionally used monochrome indicators. A method for integrating monochrome images of multichannel enhanced vision system spectral channels into a color multicomponent image is proposed. For more natural perception of the resulting color images by the human eye, the spectrum of the spectral characteristics of the video channels is rearranged in the direction of decreasing wavelength. For the most common RGB color image format, the red component R of the display system records the image of the long-wave thermal range, the green component G records the image of the mid-wave infrared range, the blue component B records the image of the short-wave visible television range. The resulting pseudo-color image allows unambiguous restoring the original images. This proves the absence of information loss during image integration. Since there are no colored windscreen displays yet, a method for reproducing a pseudo-color image on a mono-chrome display is proposed. To convert a pseudo-color image to monochrome one, methods are used in which color contrasts are preserved in the form of tonal contrasts. The advantages of the proposed technology are demonstrated on real examples

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)0,000
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,214
Écart entre enseignants0,198 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHerald of the Bauman Moscow State Technical University Series Instrument EngineeringMême sujetInfrared Target Detection MethodologiesTravaux en français237 207