RAPSİM

Hedef Sınıflandırma

Radar, sonar veya optik algılayıcılara ait ölçümsel ve/veya sentetik menzil profilleri ve mikro-Doppler verilerinden çıkartılan çeşitli öznitelikler ve farklı sınıflandırıcı yapılar (istatistiksel, derin öğrenme vb.) kullanılarak kara (tank, füze rampası vb.), hava (İHA, helikopter, uçak vb.) veya deniz (balıkçı, kargo, firkateyn vb.) platformlarının sınıflandırma faaliyetleri gerçekleştirilmektedir. TÜBİTAK bünyesinde geliştirilen yüksek frekans iz kestirim yazılımı (RASES) kullanılarak hedef sınıflandırma faaliyetlerine girdi sağlayacak sentetik veri kütüphanesi oluşturulmaktadır.

RAPSİM Hedef Sınıflandırma

ConfusionMatrix

RAPSİM Hedef Sınıflandırma, radar, sonar veya optik algılayıcılardan elde edilen ölçümsel ve/veya sentetik veriler kullanılarak çeşitli öznitelikler ve farklı sınıflandırıcı yapılar ile kara, hava veya deniz platformlarının sınıflandırma faaliyetlerini gerçekleştirmektedir. Bu süreçte, hedeflerin karakteristik özellikleri ve davranışları analiz edilerek, nesnelerin sınıfları arasında ayrım yapılır. Hedef sınıflandırma, savunma sistemlerinde hedef tespiti ve tehdit değerlendirmesinde kritik bir rol oynamaktadır.

Hedef Türleri

ucak-img-1
Sınıflandırma çalışmalarında, gerçek sistemlerin karşılaşabileceği tüm hedef türleri için sınıflandırma işlemine yönelik girdi verisi imkânları doğrultusunda kapsamlı bir liste oluşturulmaktadır. Bu bağlamda, kara platformları için askerî kamyon ve füze rampası, hava platformları için uçak ve İHA, deniz platformları için ise balıkçı gemisi ve tanker gibi çeşitli sivil veya askerî hedef türleri göz önünde bulundurulmaktadır.

Girdi Verisi Türleri

SampRate100Dir-1
Sınıflandırma çalışmalarında, gerçek sistemlerden elde edilen ölçümsel veriler ile birlikte RASES yazımı aracılığı ile oluşturulan sentetik veriler “girdi verisi” olarak kullanılabilmektedir. Gerçek sistemlerin oluşturdukları veri biçimleri gözetilerek elde edilen veya oluşturulan girdi verileri; “Menzil Profilleri”, “Ters Yapay Açıklıklı Radar Görüntüleri” veya “Mikro-Doppler Profilleri” gibi farklı biçimler alabilmektedir. Sentetik girdi verilerinin oluşturulma aşamasında hedeflerin bilgisayar destekli tasarım (BDT) modellerinden yararlanılmaktadır.

Öznitelik Türleri

WaveletFeatures-img-1
Sınıflandırma çalışması yapılacak platformlar ve ilgili platformlar için oluşturulan verilerin karakteristikleri dikkate alınarak uygun öznitelikler çıkartılmakta ve sınıflandırıcıya sağlanmaktadır. Bu kapsamda, temel uzamsal (boy, simetri, vb.), istatistiksel (ortalama, standart sapma, vb.) veya dönüşüm katsayıları (dalgacık, Fourier-Mellin, Gabor, vb.) biçiminde çok farklı ve çeşitlilik arz eden öznitelikler elde edilmekte ve kullanılmaktadır.

Sınıflandırıcı Türleri

CNNStructure

Sınıflandırma çalışmalarında, bireysel veya ortalama anlamında en yüksek tanıma performansını elde etmek üzere, temel Bayes, komşuluk (k-NN), maliyet fonksiyonu optimizasyonu (perceptron, en küçük kareler, destek vektör makineleri, yapay sinir ağları) veya derin öğrenme (konvolüsyonel sinir ağları) tabanlı çok çeşitli sınıflandırıcı yapıları uygulanabilmektedir.

Ara

Hızlı Bağlantılar

© 2024 TÜBİTAK BİLGEM | Her Hakkı Saklıdır.