MétaCan
Menu
Retour à la cohorte
Enregistrement W4380478872 · doi:10.1117/12.2663476

Overview of novel testing capabilities to characterize EO military systems

2023· article· en· W4380478872 sur OpenAlexaff
Nathalie Roy, Simon Potvin, Michel Dupuis, Anne Martel, Jean-Claude Bouchard, Antoine Grégoire, Hugo Bergeron, Karl-Alexandre Jahjah, Daniel St-Germain

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrared Target Detection Methodologies
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésSystems engineeringComputer scienceInteroperabilityMicroelectronicsField (mathematics)MicrofabricationBattlefieldEngineeringElectrical engineeringFabrication

Résumé

récupéré en direct d'OpenAlex

The last decades have brought significant improvements in materials, microfabrication, manufacturing processes, microelectronic fabrication, optical design tools and microprocessing power. It has allowed the development of novel types and designs of electro-optical (EO) military systems having, among others, the following added capabilities: wide field of view, extended spectral response, multifunction devices, image fusion and embedded image processing. Meanwhile, the international standards that regulate the testing and evaluation of EO systems, developed in the 1990s, have not been updated to include those new capabilities that are important on the battlefield. As a result, those standards are often no longer suitable to characterize current state-of-art EO systems and to support major military EO systems acquisition projects. In this paper, we present an overview of some novel testing capabilities developed over the last decade at DRDCValcartier Research Centre that aim at comparing, in a controlled environment, the performance and limitations of EO military systems under different representative operational conditions. Those novel testing capabilities do not aim at replacing standard testing procedures, but rather at complementing them. Methodologies developed to test thermal imagers, wide-field-of-view night vision google, image intensifier tubes and lasers are described.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,213
Tête enseignante GPT0,309
Écart entre enseignants0,096 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInfrared Target Detection MethodologiesTravaux en français237 207