Thông báo dự án Loch Ness, một bộ dữ Cờ bạc trực tuyến đào tạo và xác thực để chứng minh tính hiệu quả của thuật toán phát hiện AI/ML

Trong bối cảnh không ngừng phát triển của những hiểu biết dựa trên dữ Cờ bạc trực tuyến, trí tuệ nhân tạo (AI) và học máy (ML) đã nổi lên như các thành phần quan trọng cần thiết để tăng cường các nguồn lực hạn chế của các nhà phân tích dữ Cờ bạc trực tuyến, những người được giao nhiệm vụ khai thác nhanh chóng Dữ Cờ bạc trực tuyến radar radar tổng hợp thương mại (SAR).

Project Loch Ness là một sáng kiến ​​ANSYS được thiết kế để trao quyền cho cộng đồng AI/ML với tài nguyên thay đổi trò chơi: Bộ dữ Cờ bạc trực tuyến đào tạo và xác nhận toàn diện, miễn phí cho kịch bản quyết định mục tiêu AI/ML dựa trên mặt đất cụ thể.Phần mềm mô hình hóa kênh không dây cao ANSYS RFđược sử dụng để lấp đầy hồ dữ Cờ bạc trực tuyến và mục tiêu là cung cấp cho cộng đồng dữ Cờ bạc trực tuyến tổng hợp thuần túy để đào tạo và xác nhận.

Hiểu về thách thức phân tích hình ảnh SAR

Sự phong phú của dữ Cờ bạc trực tuyến SAR có vẻ như là một lợi ích cho sự phát triển AI/ML, nhưng thực tế phức tạp hơn nhiều. Chính dữ Cờ bạc trực tuyến mà người dùng muốn khai thác thường không thể được sử dụng làm nguồn dữ Cờ bạc trực tuyến đào tạo chính, vì nó thường thiếu thông tin sự thật cần thiết.

Nhiều nhà cung cấp thương mại đang tham gia vào thị trường, Cờ bạc trực tuyến ra hình ảnh radar băng rộng từ các hệ thống thu thập trên cao, như vệ tinh hoặc máy bay. Các công ty như Capella, Iceye, Umbra, MDA và các công ty khác đã thể hiện các khả năng ấn tượng để thúc đẩy thị trường giám sát tài nguyên trái đất.

Nhu cầu thông tin đang gặp nguy hiểm khi không được đáp ứng cả bây giờ và trong tương lai do khối lượng dữ Cờ bạc trực tuyến ngày càng tăng và tính sẵn có của nhân viên chuyên gia. Trong lịch sử, các nhà phân tích radar được đào tạo sẽ thủ công hình ảnh radar, tìm kiếm thông tin.

Giới thiệu bộ dữ Cờ bạc trực tuyến đào tạo và xác thực dự án loch ness

ANSYS nhận ra nhu cầu cấp thiết để thu hẹp khoảng cách này và trao quyền cho cộng đồng AI/ML với các công cụ cần phải đẩy ranh giới phân tích hình ảnh SAR. Đó là lý do tại sao chúng tôi rất vui mừng tiết lộ Dự án Loch Ness, một bộ dữ Cờ bạc trực tuyến đào tạo và xác nhận toàn diện được thiết kế để tăng tốc độ phát triển của các thuật toán AI/ML tiên tiến để phát hiện mục tiêu trên mặt đất.

Trọng tâm của Project Loch Ness là một bộ dữ Cờ bạc trực tuyến được quản lý, được ghi lại với một loạt các hình ảnh SAR tổng hợp và thông tin hỗ trợ. Nó bao gồm một kịch bản quyết định mục tiêu cụ thể, cung cấp cho các nhà phân tích, nhà nghiên cứu và nhà phát triển một nền tảng mạnh mẽ, nhất quán và không thiên vị để xây dựng và xác nhận các mô hình AI/ML của họ.

Khám phá sức mạnh của dữ Cờ bạc trực tuyến tổng hợp

Một trong những lợi thế chính của Dự án Loch Ness là sự phụ thuộc của nó vào dữ Cờ bạc trực tuyến tổng hợp có cấu trúc tốt được tạo bởi phần mềm mô hình kênh RF. Chúng tôi đã tạo ra một mảng hình ảnh SAR đa dạng bắt chước các điều kiện trong thế giới thực và các cảnh sẽ được chú thích đầy đủ, cung cấp sự thật mặt đất: Thông tin hình học thu thập, loại mục tiêu, vị trí mục tiêu, định hướng mục tiêu, vận tốc tuyến tính đích và vận tốc góc đích.

Bộ dữ Cờ bạc trực tuyến bao gồm:

1. Năm mục tiêu duy nhất để đào Cờ bạc trực tuyến thuật toán
2. Ba cảnh hoàn chỉnh (mục tiêu được nhúng) để xác thực thuật toán
3. 199167_199252
4. Biến thể độ cao mục tiêu ở 30, 35, 40, 45, 50, 55 và 60 độ
5. Biến thể độ cao cảnh ở 35, 45 và 55 độ
6. Biến thể Azimuth mục tiêu cứ sau 5 độ (từ 0 đến 355 độ)
7. Biến thể Azimuth cứ sau 30 độ (từ 0 đến 330 độ)
8. Thông số radar: Tần số trung tâm 10 GHz, băng thông 500 MHz (độ phân giải 30 cm)
9. 1.200 m phạm vi và phạm vi chéo không rõ ràng (cho các mục tiêu và cảnh)
10. Ít hơn 1TB Kích thước tổng dữ Cờ bạc trực tuyến

Lưu ý: Tất cả dữ Cờ bạc trực tuyến I/Q hình ảnh và RAW sẽ được lưu trữ ở định dạng HDF5.

Tìm hiểu thêm vềCác trò chơi trong, và tham gia với chúng tôi trong hành trình thú vị này khi chúng tôi tiết lộ sức mạnh thực sự của dữ Cờ bạc trực tuyến tổng hợp và chứng minh làm thế nào nó có thể thúc đẩy thế hệ tiếp theo của các giải pháp AI/ML cho nhu cầu phát triển của phân tích hình ảnh SAR.