MétaCan
Menu
Retour à la cohorte
Enregistrement W4388507408 · doi:10.1145/3628357.3629709

MARS: a mmWave Rotating Synthetic Aperture Radar System for Indoor Imaging

2023· article· en· W4388507408 sur OpenAlexaff
Wei Zhao, Rong Zheng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced SAR Imaging Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSynthetic aperture radarMars Exploration ProgramComputer scienceInverse synthetic aperture radarRadar imagingSide looking airborne radarRadarRemote sensingAccelerationBack projectionExtremely high frequencyComputer visionArtificial intelligenceRadar engineering detailsGeologyPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, we develop, MARS, a Millimeter wAve (mmWave) Rotating Synthetic aperture radar (ROSAR) platform that can scan a 360° view of the environment. The platform consists of a radar attached to the edge of a rotating plate. As the plate spins, the radar transmits signals that reflect off the targets in the surroundings. By applying the Back-Projection Algorithm (BPA) on the collected data, we can reconstruct high-resolution images of the target area. However, BPA is computationally intensive. To speed up the imaging process, we propose two methods: range-FFT and GPU acceleration. Experiments show that MARS can successfully generate images of the indoor environments, and that GPU acceleration can reduce the time cost up to 98% compared to the conventional BPA.

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)0,000
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,009
Tête enseignante GPT0,236
Écart entre enseignants0,227 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced SAR Imaging TechniquesTravaux en français237 207