關于未來戰斗機發展的若干討論
楊偉 中國航空工業集團有限公司
本文發表于《航空學報》2020，41（6）
**摘要:**近年來，在第四代戰斗機陸續批量服役和大國競爭的背景下，關于戰爭形態演變以及四代后戰斗機如何發展的討論絡繹不絕。本文回顧了戰斗機“代”的起源和跨代發展的驅動因素，概述了空戰觀察（Observe）、判斷（Orient）、決策（Decisi0n）、行動（Act）（OODA）環的演進歷程，并提出了OODA3.0的內涵。闡述了機械化、信息化、智能化發展的依托與躍升關系，就自主性、有人、無人，強平臺、體系、分布式作戰運用的辯證關系，以及敏捷高效的研發模式等進行了討論。 **關鍵詞:**戰斗機；跨代；空戰；OODA；智能化 2019年10月，美國空軍正式組建“先進飛機”項目執行辦公室，以期利用“敏捷軟件開發、數字工程、開放系統、模塊化架構”等先進技術，按照強調快速設計、生產、小批量裝備的“數字化百系列”理念，在5年左右的時間周期內，快速推進下一代戰斗機（NGAD）的研發 。2020年2月，美國國防部提出2021財年預算，規劃未來5年為研發美國空軍下一代戰斗機及其配套動力投入約115億美元 。2019年4月、2020年2月，美國戰略和預算評估中心（CsBA）分別發布《走向大國競爭時代的美國空軍》 與《未來美國空軍作戰力量的五項重點任務》 ，建議2024年首批交付2架、2030年交付50架下一代戰斗機。近期一系列公開信息表明，美國正在抓緊發展下一代戰斗機，并計劃在2030年左右形成作戰能力，關于NGAD的研制投資規模如圖1所示 。
圖1美國2020年空戰論壇披露的NGAD研制投資規模 近年來，在第四代戰斗機陸續批量服役和大國競爭背景下，關于戰爭形態演變以及四代后戰斗機如何發展的討論絡繹不絕。本文回顧了戰斗機“代”的起源和跨代發展的驅動因素，概述了空戰觀察（Observe）、判斷（Orient）、決策（Deci-si0n）、行動（Act）（簡稱OODA）環的演進歷程并提出OODA3.0的內涵，闡述了機械化、信息化、智能化發展的依托與躍升關系，就自主性、有人、無人，強平臺、體系、分布式作戰運用的辯證關系，以及敏捷高效的研發模式等進行了討論。
1戰斗機的“代”
1.1“代”的起源
航空百余年，前50年的戰斗機沒有“代”的概念。進入噴氣時代后，戰斗機的設計目標與作戰效能發生了巨大變化，逐漸產生了“代”的說法。迄今為止，關于“代”的劃分尚存在分歧，也沒有統一的標準，典型的有美國的舊四代、新五代說，俄羅斯的五代說和中國的四代說（本文除引用外，主體上采用中國的四代說）。 美國空軍“空中優勢2030”研究項目主管亞歷克斯.格林科維奇準將在2017年發表的《未來空中優勢》 中寫道:“美國空軍20世紀80年代啟動先進戰術戰斗機（ATF，F-22的前身）計劃時，并沒有準備創建第五代戰斗機，只是計劃研發能夠適應21世紀初作戰環境的戰斗機。僅當完成研制并看到它的巨大優勢后，才認識到F-22相對F-15、F-16是跨代的能力提升。隨后將F-22作為第五代戰斗機的基線，并按照這個架構重新追溯分類了以前的戰斗機。自然，當我作為一個年輕飛行員駕駛F-16時，并不知道這是第四代戰斗機。也就是，在空軍采用第五代范式來描述F-22之后，我們才知道F-16（和F-15）屬于第四代戰斗機。”這僅是“代”形成過程的一種說法，但在某種意義上涂釋了“代”的一些內涵。 事實上航空業界早已認識到，戰斗機代際之間存在著補充到替代的關系，即自然“換代”現象。1963年《現代航空》 在介紹F-111時，根據它替代F-4的研制目標，稱其為美國下一代戰斗機。1968年美國國防研究與工程主管辦公室發表的《戰斗機:國防科學特別委員會報告》 中，也將當時正要啟動研制的FX和VFAX分別稱為美國空軍和海軍的下一代戰斗機，此后這2個項目分別發展成典型的第三代戰斗機F-15和F-14。但是這些論述并未著眼于戰斗機的發展規律，也未對歷史上的戰斗機進行劃代，更沒有定義“代”的特征。 隨著第三代戰斗機的問世，航空專家們注意到戰斗機在飛行性能取向上，出現了“否定之否定”的現象，引發了對“代”的討論。1974年，《荷蘭航空學會年鑒》 按照平直翼、后掠翼、超聲速和2馬赫級的發展特征把F-4之前的噴氣戰斗機劃分為四代。這種劃代沒有體現飛行性能取向的本質變化，因而未被廣泛認同。1974年，皮爾.格雷斯特在瑞士《Interavia》雜志上發表文章《格斗的復蘇》 ，文中雖然沒有明確闡述劃代問題，但把F-86和F-15分別定義為噴氣格斗戰斗機的起源和“新一代”格斗戰斗機的復蘇，把追求高空高速飛行的“百系列”（F-101、F-104等）戰斗機歸為誤入歧途的一代，這一說法建立了當今戰斗機劃代的基本脈絡。這種基于對歷史總結的劃代方式很快流傳開來，1979年《航空知識》就將幻影-2000稱為第三代戰斗機 。前蘇聯將同米格-21沒有本質區別的米格-23稱為第三代戰斗機，而將蘇-27稱為第四代戰斗機，這也是造成俄羅斯的五代說與美國舊四代說差異的主要原因。 前三代戰斗機的劃分呈現出冷戰期間大約每10年發展一代戰斗機的規律。前蘇聯蘇-27和米格-29開始試飛后，促使西方航空界開始討論下一代戰斗機。在1987年英國簡氏出版公司舉辦的未來作戰飛機研討會上，美國空軍研發和采購主管副參謀長辦公室作戰需求主任明確指出:前蘇聯正在裝備與F-15、F-16具有同樣性能的第三代戰斗機蘇-27、米格-29，美國需要加快研制新一代戰斗機ATF來取得未來戰場的制空權 。 為了消除美國國會與公眾的誤解，并同俄羅斯在戰斗機劃代上拉平，美國前航空博物館館長瓦爾特.博伊恩在2005年《c0deone》 雜志上撰文將F-22、F-35稱為第五代戰斗機，從而形成了今天較為流行的美國新五代說。中國一直保持了原來的四代劃分方法。
1.2跨代的驅動因素
成功的戰斗機產生于需求與技術的有機銜接，跨代發展更是需求牽引與技術推動共同作用的結果。因此，“代”的劃分以能力和技術兩大類要素為標志。 總體上來說，下一代戰斗機較上一代戰斗機能夠體現作戰效能的躍升。美國的F-15相對F-4、F-22相對F-15，俄羅斯的蘇-27相對米格-21、蘇-57相對蘇-27，中國的殲-10相對殲-7、殲-20相對殲-10，均是如此。 歷史上各代戰斗機間的作戰效能躍升程度不盡相同，屬于同一代的不同戰斗機間的作戰效能也會有較大差異，甚至一個型號的戰斗機各批次間的作戰效能可以有根本性的變化，如F-16的Bl0ck20與Bl0ck60。作戰效能更需經過實踐加以檢驗。1992年，美國空軍簽署F-22采辦決策備忘錄時，僅要求在相同的自由空戰條件下，F-22的作戰效能是F-15的2倍，并將此作為全速生產決策的前提條件 。2006年，在阿拉斯加埃爾門多夫空軍基地舉行的“北方利刃”演習中，F-22以“144：0”的戰績橫掃三代機，遠超出研制初期制定的目標 。 雖然主觀上總是期望跨代發展能在作戰效能方面取得最大的躍升，但是由于從提出需求到投入使用需要較長的時間，戰場環境與想定可能出現較大變化，從而導致新的戰斗機并不一定能夠適應新的戰場環境。針對歐洲大規模線性戰場設計的F-4戰斗機，在越南戰場的復雜環境和政治約束下，其高空高速性能和超視距作戰能力基本無法發揮，空戰交換比也沒有展現出相對前一代米格-17/19等戰斗機的顯著優勢。目前F-22也面臨相似的問題，一方面F-22在裝備15年后，仍是高性能戰斗機的標桿，另一方面脫離原來想定的歐洲戰場轉向西太平洋戰場后，較短的作戰半徑使該機也很難有所作為 。 跨代發展不是能力的全面躍升，而是適應未來需求的合理選擇，有跨越、有繼承、也有舍棄。以前的跨代從未發生所有能力全面躍升的現象，二代機放寬了亞聲速機動性的要求，三代機放寬了最大速度的要求。同一代戰斗機中不同型號飛機對能力特征的追求程度也有差異，二代機中F-5沒有追求2馬赫級的速度，而有較好的機動性；三代機中F-15早期為追求機動性號稱“沒有為對地攻擊付出1磅重量 ”（實際上具有對地攻擊能力），后期發展為“雙重任務戰斗機”，掛裝保形油箱幾乎成為基本配置，機動性被大幅犧牲；四代機中F-35按照對地為主的任務定位，為航程和內埋武器能力而放寬了超聲速能力的需求，并且同F-22樹立的4S（隱身、超聲速巡航、過失速機動、超強信息化）的四代機典型特征相比，至少不具備超聲速巡航能力。 縱觀戰斗機發展的歷史，每一次跨代都脫離不了科技進步的強大助推。 第一代戰斗機的誕生，源于噴氣動力的突破。跨聲速面積律、大后掠/三角翼布局、薄翼型、加力渦噴發動機等一系列技術的突破，為二代機提供了研制基礎。三代機的成功離不開混合流型布局（邊條、鴨翼）、加力渦扇發動機、電傳飛控、綜合化航電等技術的應用。四代機出現“技術突襲”效果，更得益于美國20世紀50年代便開始秘密研究的隱身技術。 某些技術特征一旦固化在飛機平臺上，與飛機的布局、結構等融合在一起，便無法遷移到前一代飛機。如二代機不具備高升力布局和高推重比動力，便無法實現高機動；三代機不具備隱身外形和內埋武器艙，便不能實現隱身，這些固化不可遷移的技術特征，構成了“代”的邊界。 然而，跨代飛機并非追求所有技術的全面躍升，新一代飛機沿用前一代飛機部分技術的情況非常普遍，甚至偶有看似倒退的情況。例如，美國二代機F-5采用了邊條布局，而其三代機F-15卻沒有使用邊條，甚至沒有采用前緣機動襟翼。美國海軍為二代機F-4J配備了脈沖多普勒雷達和頭盔瞄準具，而法國三代機幻影-2000C僅配裝了單脈沖雷達，并且多數西方三代機在2000年以前都未使用頭瞄。 有些新的技術可以遷移到前一代飛機，并帶來顯著效果。“一代平臺幾代航電”某種程度上反映了這個道理。如土耳其的F-4E通過換裝EL/M-2032脈沖多普勒雷達、玻璃化座艙等，改進為“終結者2020”后，有能力在超視距空戰中擊敗蘇-27等20世紀80年代標準的三代機。 總之，先進技術在跨代戰斗機上不是為了應用而應用，而是源于作戰需求的牽引。應用新的噴氣動力和布局技術，源于二戰期間垂直攻擊、一擊脫離戰術的制勝需求；應用渦升力布局、電傳飛控，源于越戰后強調機動格斗的要求；應用綜合化航電武器系統，源于先進中距空空導彈以及復雜戰場電磁環境提出的信息化作戰需求；應用隱身技術，則是源于制勝前蘇聯蘇-27和米格-29的任務需求。 因此，“代”的特征是跨代發展的“果”，而牽引跨代的“因”，是需求與技術推動，如圖2所示。
圖2需求與技術共同驅動了戰斗機的跨代發展
1.3未來戰斗機“代”的困惑
為發展未來戰斗機，2010年11月美國空軍發****布了下一代戰斗機能力征詢書 ,期望在2030年左右形成初始作戰能力。隨后,波音、諾.格、洛.馬3家公司分別拋出了投石問路的“F-X”方案。期間,針對所謂第六代戰斗機的特征展開了一系列討論 ：是高超聲速的嗎？隱身性能如何？能夠搭載定向能武器嗎？升限是多少？是有人駕駛的嗎？最后,美國空軍發現論證的結果并不如意,且無法接受。一是研發成本可能超過歷史上任何一個戰斗機項目,二是研發進度可能致使2040年左右才能部署,三是3D打印、高超聲速、集群作戰、自主性等新概念技術很難成為“靈丹妙藥”或“銀彈”,并且成熟度和可應用性有限。 2016年,美國空軍“空中優勢2030”研究團隊向高層建議：據棄有關“第六代”戰斗機特征的討論,而將重點放在如何定義穿透性制空（PCA）的能力上來。甚至不刻意區分是B-轟炸機、A-攻擊機、F-戰斗機或MQ-無人機,并使用“能力簇”“系統簇”進行描述。同年5月美國空軍參謀長批準了《空中優勢2030飛行計劃》 ,明確了美國2030十破解“反介入/區域拒止”（A2/AD）能力的建設目標。 目前,美國正在抓緊研制的穿透性制空作戰飛機,雖然沒有冠以“第六代戰斗機”的花冠,但其可能超越以往戰斗機的遠航久航能力、多武器/高密度掛載帶來的高殺傷力、超聲速無尾布局帶來的全向極低隱身以及自防御彈末端硬殺傷防御等系列能力,將對未來空戰形態帶來革命性的變化,使其能夠突入高烈度對抗的“反介入/區域拒止”環境。相比而言,F-22、F-35在這種環境下只能留在防區外。因此,事實上將形成對四代機的跨代能力飛躍,足以構成“下一代”戰斗機。
2信息化、智能化的時代需求
2.1OODA環的演進
美國飛行員約翰.博伊德上校在20世紀60年代提出采用OODA環來描述空戰過程 。OODA環理論具有普適性,約翰.博伊德通過能量機動性（EM）來描述飛機的機動能力,提出采用基本空戰機動（BFM）等方法指導飛行員提高格斗技能、把握格斗策略,并深深影響了第三代戰斗機的設計。 隨著先進中距空空導彈的出現,超視距（BVR）空戰較視距內（WVR）空戰的占比逐漸提高,并成為空戰的主流形式 ,“機動為王”的OODA（暫且稱為OODA1.0）時代正在過去。信息領域的能力比力學領域能力顯得更為重要,F-35的飛行員在“紅旗”演習中總結出：“信息就是生命”。2017年洛.馬公司的托德.舒克和美國空軍研究實驗室（AFRL）的埃里克.布拉希提出了OODA2.0的概念 ,仿效EM理論,提出信息權（IP）和信息機動性（IM）,涂釋了F-35在模擬對抗中的巨大優勢。 信息機動性理論使用通信理論參數,如信道容量、信息嫡、單位時間發送消息數以及傳輸速度,來替代能量機動性理論中的位置、推力、升力、速度和其他物理參數,由此產生的信息優勢度量類似于針對單位剩余能量（Es）的博伊德公式,通過比較,可以確定博奕雙方信息位勢的相對強弱 。 埃里克.布拉希長期研究信息融合、人工智能等領域的軍事運用,早在2000年就嘗試定義信息優勢（IS）概念 ,提出“信息優勢是指收集、處理和不間斷傳輸的信息流,同時利用或阻止對手實施同類行為的能力”。可以看出,“信息為王”OODA2.0的重點在于：增強自身的信息獲取能力,削弱對手的信息獲取能力。 增強自身的信息獲取能力的手段包括：配裝有源相控陣雷達（AESA）、光電瞄準系統（EOTS）、分布式孔徑系統（DAS）、電子支援系統（ESM）等機載傳感器以及獲取體系信息的各種數據鏈。傳感器的性能、工作模式、抗干擾能力、信號處理能力、信息傳輸能力等,構成了信息優勢的一個方面。 削弱對手的信息獲取能力的方式包括:雷達隱身、紅外隱身與射頻隱身，使用不易被對手發現的探測方式如低截獲探測（LPI）、無源探測、觸發探測等，實施信息對抗如電子干擾（ECM）、有源/無源末端干擾等。隱身的頻域、角度范圍和性能，探測的隱蔽性，遏制對手進行探測的手段與能力等，構成了信息優勢的另一個方面。 隨著機載信息的不斷豐富，對多源信息進行融合，逐漸成為提高作戰效能的又一個關鍵。信息融合既包含本機各傳感器、編隊內作戰飛機以及作戰體系3個層級的信息融合，也包含態勢級、武器級不同精度與更新率的信息融合。在對抗博奕的環境下、在復雜戰場電磁環境中，將不同來源、精度、置信度、更新率的信息進行融合，還要去偽存真，對OODA2.0提出了新的挑戰。“信息在眼前”已是當今有人戰斗機追求的重要目標，通過對系統中流動的信息和飛行員需求進行綜合考量，實現在合適的時機，以最佳的方式，向飛行員呈現最有用的信息。 近年來，關于戰斗機中信息博奕的策略日新月異，雷達與電子戰結合產生了高增益電子支援（HGESM）和高功率電子干擾（HPECM），可以實現對雷達的旁瓣進行探測與干擾；多種傳感器互相提示、相互補盲；多架飛機協同探測、協同攻擊等技術不斷涌現。洛.馬公司標稱自己實際上更像是一家信息和體系公司。在體系與體系對抗的背景下，跨域協同、跨域作戰（如美國海軍由E-2D預警機、宙斯盾系統、SM-6防空導彈、F-35組成的綜合防空火控系統NIFC-CA）更增加了博奕的復雜性。 復雜性增加的同時，對飛行員也提出了更加嚴峻的挑戰。現代戰斗機的飛行員不僅要求身體過硬，更要求擁有豐富的知識和敏捷的分析、判斷、決策能力。OODA環運轉的核心是飛行員，博伊德當年就提出:戰斗機飛行員不是勝于肌肉的反應速度，而是勝于大腦到肌肉的關聯速度。 為了支持和幫助飛行員，航空業界很早就開始探索利用人工智能（AI）提升OODA環的運轉速度。美國20世紀80年代便開展了飛行員助手（Pil0t，sAss0ciate）的研究 ，采用專家系統、智能信息融合等構建了系統狀態評估、態勢評估、任務規劃、戰術規劃、人機接口五大系統。隨后還啟動了旋翼機飛行員助手（RPA）、自動機組（Aut0-Crew）、空戰模擬系統（TacAir-S0ar）等。持續開展了智能（認知）雷達、認知電子戰、自適應電子戰行為學習（BLADE）等研究，并已階段性應用到當前的雷達、電子戰中。特別是2016年以來，美國辛辛那提大學與美國空軍研究實驗室合作的阿爾法（ALPHA）空戰系統 更是引起了AI幫助人、替代人的熱烈討論與研究熱潮。 母庸置疑的是隨著人工智能的符號主義、聯結主義交替上升，特別是近年來深度學習、強化學習等技術的涌現與發展，引入人工智能形成新的“智能為王”的OODA3.0將是OODA環發展的又一個跨越。OODA3.0是指在OODA2.0信息化基礎上，對環中的4個環節分別引入相應的智能體（Agent）族，進一步提高OODA環的準確性、敏捷性和快速性。 2016年6月，美國國防部國防科學委員會發布《自主性研究報告》 ，對涉及戰場態勢感知、防護、兵力應用和支持保障4種類型的10個項目按照“快速決策、海量異構數據分析、間歇式通信、高復雜度協同行動、高危險任務和持續性任務”6個任務域對引入人工智能可能帶來的收益進行了分析與預判，并提出面向新的自主使能（Aut0n0-my-enabled）任務域發展的路線圖。2018年7月，美國《航空周刊》提出10項重塑航空航天領域的技術，其中就包括“航空器十人工智能技術”。 按照智能體的分類，戰斗機所引入的智能體多數屬于效用驅動與學習增強類型，并且將按照復雜組織體層、體系層、平臺層、系統層、設備層等進行分層、分級、分區搭建與聯接。 OODA3.0不是對OODA2.0和OODA1.0的揚棄，相反需要強化OODA2.0和OODA1.0來提供支撐，如圖3所示。進一步，OODA3.0的決策對象將超越戰術級交戰，上升到任務決策級，同時在空間、時間、行動端進行拓展。空間上將從以武器射程為約束的交戰范圍擴展到以目標縱深為約束的任務范圍；時間上針對態勢的理解與預測時段將從分鐘級擴展到小時級；而行動端的核心將聚焦以對手不能連續觀察和理解的速度，使任務決策轉化為機動和殺傷，創造出己方可利用的“零域”作戰空間 。 總而言之，戰斗機的機械化是信息化的前提，而信息化又是智能化的基礎。
圖3 OODA1.0到OODA3.0的演進過程
2.2自主性與人機協同
“自主性”是指一個系統為了實現特定的目標，能夠基于它的知識以及對世界、自身與場景的理解，獨立地在不同行為中進行選擇，并組合相應行為的能力。人工智能在戰斗機領域應用的核心與評價標準是自主控制等級（ACL）。2012年11月美國國防部頒布指令3000.09 ，按照人的參與程度，將自主控制劃分為3個等級:人在環內（IntheL00p）的半自主、人在環上（OntheL00p）的人監督、人在環外（Out0ftheL00p）的全自主。 早在2002年美國空軍研究實驗室將無人機自主控制等級（ALFUS）劃分為10級，并得到普遍認同 。2017年1月美國海軍分析中心（CNA）在《人工智能、機器人和蜂群》 報告中分析了自主性技術的發展態勢、認識誤區、面臨挑戰，提出了若干自主能力等級的評判標準，包括基于OODA環的自主控制等級，以及根據任務復雜度、環境復雜度與對人的依懶性進行等級的劃分等，期望能夠建立統一的ALFUS框架。 盡管有許多自主控制等級的劃分方法，但目前尚未形成滿足實用并普遍認同的等級劃分。其中基于OODA環的智能空戰自主控制等級，對戰斗機人工智能相對更為適用，可以在感知、判斷、決策、執行等環節，分別以不同的行為模式定義自主控制等級，牽引智能技術發展。 2019年9月美國空軍發布了《2019美國空軍人工智能戰略》 ，作為美國國防部人工智能戰略的附錄，提出了AI可以提升空軍的5大能力:空域管理、全球打擊、快速全球機動、情報-監控-偵查和指揮控制等，并指出AI不是萬能的。為支持美國政府關于“維持美國人工智能領導地位的行政命令”，該戰略將是美國國防部未來幾年預算和資助的優先方向，也是實施美國空軍“空中優勢2030”相關信息技術、數據、算法等發展戰略的基本框架。 2019年3月，美國空軍首席科學家辦公室（AF/ST）與空軍研究實驗室聯合發布了《自主性地平線:前進之路》 ，報告對2015年《美國空軍未來作戰概念》 中設想的“戰斗管理人員控制大量自協調飛行器或程序”的自主系統應用場景提出質疑，并提出應該將自主系統視為戰斗管理功能的主要參與者，而不僅是自主的平臺設備。未來，自主系統應該是美國空軍面向服務、網絡化和以信息為中心的密集型體系。 自主不是自動，也不是自動化。嚴格意義上來說，目前沒有任何一個機器是完全自主的。從空戰所需的各個過程來說，人工智能更適于快速決策、海量異構數據分析、高復雜度協同行動。由于空戰所具有的信息不完全、干擾不確定、實戰檢驗少、可信性要求高等復雜性限制，在可預見的時期內，人工智能不太能夠完全取代人，全自主地承擔復雜的空戰任務。因此，OODA3.0目前階段主要是人工智能和飛行員共同形成的混合智能，以人機協同的方式出現在未來戰斗機發展中。人工智能在空戰中提供基本認知，提出供選擇的作戰方案，飛行員從更高層次完成博奕決策。 在OODA1.0時代，飛行員對導航、飛行操縱、信息獲取、武器操作等親力親為，是一個繁忙的執行者。進入OODA2.0時代，飛機飛控航電系統能夠為飛行員提供綜合化的導航、飛行、態勢、火控信息，飛行員的主要責任演變為信息博奕與攻防行為決策，腦力負荷大于體力負荷，是一個戰術決策者。可以預期，到OODA3.0時代，飛行員將借助于人工智能對更為豐富的信息資源進行分析、判斷，大幅降低事務性腦力負荷，更好地應對復雜戰場環境，將精力更加集中在判斷決策上，進而成為空戰任務的監督者。
2.3有人與無人
自主系統帶來的變革尚不足以將有人空戰平臺變為無人空戰平臺。基于對戰斗機自主控制能力的認識與發展預判，對于下一代戰斗機是否將取消飛行員這個問題，目前國外的主流觀點仍然重視人的作用。 2013年4月，美國列克星敦研究所在《在預算減少情況下美國保持未來空中優勢的發展路徑》 報告中指出:雖然發展性能良好的無人機來替代戰斗機的前景非常美好，但實際上充滿挑戰。在任何情況下，無人機系統還不能以一種輕型、廉價的方式來替代有人戰斗機。 2017年1月，亞歷克斯.格林科維奇在《未來空中優勢》 中強調:評判未來戰斗機是有人機還是無人機，應該從作戰效能的角度出發。如果飛機上有飛行員能夠增強作戰效能，就應該是有人的。如果人的存在限制了飛機的某些能力，就應該想辦法將其變為無人的。此外，關于自主性還要考慮成本和技術的成熟度。文中他所討論的“自主”案例涵蓋了導彈、無人僚機和有人僚機，但未涉及承擔任務指揮的長機是否有可能為無人機。 2017年4月，美國空戰司令部司令霍克.卡萊爾在《空軍》 雜志上明確表示，穿透性制空戰斗機可能是有人駕駛的。雖然他確信有人機與無人機共存的局面可能會隨著時間的推移而發生顯著變化，但他認為短期內不會實現作戰飛機的全面無人化。更有可能的是，當有人駕駛飛機與無人平臺協同完成任務時，有人機將監督或控制無人平臺。
2019年4月，美國CSBA在《走向大國競爭時代的美國空軍》 報告中提出:如果在對抗或強對抗環境中大規模使用無人作戰飛機，存在著成本和可操作性的問題。穿透性作戰所需的燃油與武器數量，超視距信息感知與通信能力所需的先進的傳感器與觀瞄設備，空對空殺傷鏈閉合功能，高生存能力所需的高端防御系統等，都將會增加無人機系統的尺寸與單機成本；協同作戰的組織也有一個如何規劃和如何實現的問題。此外，在《未來美國空軍作戰力量的五項重點任務》 報告中，CSBA一直堅持“需要增強高端有人機能力，無人機系統仍然被視為有意義但尚未完全開發的作戰平臺”。
事實上，迄今為止各國提出的下一代戰斗機方案，僅波音、諾.格在2010年左右曾考慮有人/無人可選模式，并設想基于有人構型的有限無人功能，但近期已不再強調此類方案。目前，美國波音、諾.格、洛.馬的下一代戰斗機方案全部為有人構型。在英國脫歐的背景下，歐洲出現的2種下一代戰斗機方案均為有人構型，尤其是英國牽頭的“暴風”方案專門提出了新穎的虛擬現實座艙概念。日本最新提出的下一代戰斗機方案雖然外形和布局出現顯著變化，但同樣堅持了2010年以來一貫的有人機構型。
3平臺與體系協同發展
3.1平臺是基礎
未來戰斗機在平臺層面普遍要求遠航久航、高速、全向寬頻帶隱身、攜帶充足的空空/空面武器，并為飛行員提供能夠被充分理解的戰場態勢圖像以及決策因果關系的預判；在體系層面需要建立柔性的并具有冗余節點的網絡，近零延時以形成統一融合的態勢圖像，創建多殺傷路徑，跨任務區實時傳遞目標信息等。這種平臺和體系層面的能力需求，反映出強平臺與裝備體系化建設的發展關系，強平臺是強體系的基礎，強體系促進強平臺發揮更好的作用。 美國國防部《體系（S0S）的系統工程指南》 將體系定義為:由獨立系統組成的完成特定功能的大系統，大系統整體能力大于所有部分功能之和。根據這一定義，對于美軍2030年空中優勢計劃而言，B-21、穿透性制空/穿透性電子戰（PCA/P-EA）飛機等組成的穿透性打擊編隊便是一個體系。穿透性制空和小型先進能力導彈（SACM）、微型自防御彈藥（MSDM）、防區內打擊武器（SiAW）等，構成了低一個層級的體系。這個層級的體系與下一代制空體系的邏輯關系十分緊密，下一代戰斗機不僅具有探測、攻擊、電子戰等功能，還需要配備下一代武器，才能真正發揮作戰效能。
3.2平臺與體系并行發展
沉迷于平臺強大而忽視體系構建，會犯F-22成為“信息孤島”的錯誤，而忽視平臺發展奢求體系能力涌現，體系則可能是空中樓閣，未來發展應該是平臺與體系并行發展、協同推進，由強平臺構筑強體系。 2018年7月，美國國防高級研究計劃局（DARPA）提出的基于功能分布的“馬賽克戰”理念，被廣泛誤解為:大量低成本平臺是未來空中優勢的發展方向。實際上，早在2016年美國空軍圍繞“空中優勢2030”研究時，就已經將低成本、可消耗平臺作為概念框架納入研究，經過深入分析后認識到，正如情報偵察監視是“反介入/區域拒止”作戰體系的“阿略琉斯之腫”一樣，美軍在防區外縱深打擊區域，無法獲得足夠數量的感知目標，支持其大規模的作戰資產消耗 。2019年原美國空軍ISR主管德普圖拉在《馬賽克戰:恢復美國的軍事競爭力》 中提出:“馬賽克戰不是用可消耗蜂群替代現有平臺。高性能強平臺將在未來作戰中繼續發揮重要價值，武斷將其否定是不切實際和魯莽的。應用馬賽克戰單元的價值，是為了增強高性能平臺的效能”。低成本、可消耗的XQ-58A的數量優勢無法替代PCA承擔的奪取空域、空中護航、壓制防空等進攻性作戰任務，更不具備千里奔襲、一擊制敵的穿透能力。
《在預算減少情況下美國保持未來空中優勢的發展路徑》 對于防區內/外緊密結合、前沿分布自主決策的戰爭設計，充分體現了體系化的作戰思想。通過選取現役或在研的多種平臺所具有的部分能力，結合形成完成某項特定任務的體系。用于實施分布式作戰的航空裝備，應當廣域空間分布、遠程快速到達和相互支援保障。
3.3平臺與分布作戰的關系
2016年7月，美國空軍大學何蒂斯.李梅條令開發與教育中心發布了分布式作戰的概念 ，提出:分布式作戰是指獨立或相互依存的部隊（可在聯合作戰區域之外）協同參與作戰計劃和/或作戰決策實施過程，最終完成指揮官下達的作戰任務及其目標。分布式作戰理論的關鍵特征在于:作戰單位的空間分布、作戰單位的自主決策、協作完成上級任務等。 依據OODA3.0形成的裝備體系對分布式作戰具有天然的適應性。美國空軍提出的《空中優勢2030飛行計劃》 便符合分布式作戰的特征，比如主要由B-21和PCA等強平臺構成的穿透性作戰兵力，在局部空間和部分時段可能會遭到與防區外通信能力的拒止，必須依靠穿透性作戰編隊內部和編隊之間共同決策才能及時應對；對規劃的打擊清單之外的時敏目標，也需要與防區外兵力共同決策目標和火力的分配，方能有效完成火力后援（Reachback） ，如圖4所示 。
圖4分布作戰中運用強平臺
4快速原型、快速部署
近年來，美軍逐漸認識到自冷戰末期以來，以B-2、F-22和F-35等為代表的航空裝備，開發周期延長、研制費用暴漲已成為普遍的問題。若不改變這一趨勢，下一代戰斗機的研發將成為“不可承受之重”。 為此，美軍近年來不斷推進采辦變革，著力解決傳統采辦中需求復雜、流程繁瑣引發的軍事裝備研發和部署問題，力求快速滿足部隊作戰急需。2015年11月美國國會通過的2016財年國防授權法案 ，規定采取一種可不受聯合能力集成與開發系統（JCIDS）和國防部指令5000.01《國防采辦系統》約束的中間層采辦（MTA）方式，以實現快速原型、快速部署。其中，快速原型旨在利用5年左右時間開發出一個可部署原型，并在作戰環境中進行演示評估；快速部署旨在原型出來后6個月開始生產，并在5年內完成部署。 值得注意的是，這項授權法案一經提出，美國空軍亞歷克斯.格林科維奇就在《未來空中優勢》系列文章中提出：只有通過快速開發可部署原型的途徑，才能滿足2030年節點的要求 。2019年美國空軍采購主管威爾.羅拍也公開提到美國空軍快速研發計劃，可以用5年周期發展下一代戰斗機，同MTA的5年周期基本一致 。 經過數年的醞釀，2019年底美國國防部正式啟動5000系列采辦政策重大換版，推出獨立的國防部指令5000.80《中層采辦的運行》 ，統一規范了各軍種近50個已開展中層采辦項目的具體實踐 ，如圖5所示。美國空軍很可能將NGAD項目列入MTA采辦流程，從而實現快速研制，即一次只解決一個關鍵需求，首先產生一個遠程穿透性平臺，機載系統沿用F-35和B-21等項目業已發展的成熟系統，而后通過多個快速原型步驟，在快速部署的同時，發展新的能力增量。
圖5 5000.80指令為美下一代戰斗機5年快速原型研制提供的采辦政策依據
5 結束語
YF-22首飛至今已近30年，在大國競爭的時代背景下，技術和需求將再次走向交叉點，跨代戰斗機即將出現，它是未來分布式空中作戰體系中具有遠程、穿透、強感知、強火力和快速決策能力的強有力的骨干節點平臺，它的形態必將顛覆對傳統戰斗機概念的認知，它的出現必將帶動空中作戰樣式和航空科技與產業的新一輪革命。
參考文獻（略） 本文來源：無人爭鋒
付費5元查看完整內容
相關內容
近年來，美國國防部和各軍種相繼發布一系列指導性文件，建立了反無人機發展戰略，在突 出反無人機作戰技術優勢的同時更加注重體系建設。 文中以美軍反無人機發展現狀為背景，研究 行業動態、技術發展趨勢與威脅研判，對美軍反無人機作戰理念加以研究。 重點分析其技術項目投 入和軍事應用，從反無人機通過探測技術、高功率微波和激光武器系統的開發與研制及相應電子對 抗技術機理角度歸納總結，通過作戰現狀研究分析美軍反無人機未來發展趨勢，提出啟示與建議。
近年來，無人機技術的飛速進步使得其在商業 與軍事領域的運用得到更多拓展。 繼戰機、武裝直 升機和精確制導武器之后，無人機系統以其具備的 優秀偵察、打擊能力成為戰場防空新威脅。 從美國 防部陸續發布的文件來看，美軍正加緊提升其賽博 空間和電磁戰領域的集成融合，尤其以反無人機作 戰能力研究為重點之一提出了多項重大戰略性 舉措。
付費5元查看完整內容
無人機蜂群作戰已經成為軍事領域的熱點，世界各軍事強國對其關注度日益增加。為了深化對無人機蜂群作 戰的理解與認識，首先簡要介紹了概念起源，然后重點對作戰樣式、作戰優勢等進行了分析，最后以無人機蜂群作戰的軍事 應用為牽引，總結了無人機蜂群作戰深入發展需要攻克的關鍵技術難題。自海灣戰爭以來，無人機在戰爭中的應用領域 不斷拓展，深刻影響著戰爭的走向。隨著無人機的 不斷發展完善，其應用范圍不斷擴大、規模數量不 斷增多、作戰樣式不斷翻新，作戰運用已從空中偵 察、戰場監視、電子對抗向通信中繼、精確打擊和后 裝保障等領域延申，正在逐步由輔助作戰手段向基 本作戰手段過渡。綜合來看，無人機在軍事上可代 替有人機執行四類任務，即 4D 任務（枯燥乏味、環 境惡劣、危險性高、深入敵方；Dull，Dirty，Danger? ous and Deep）。 20世紀60年代，法國生物學家皮埃爾·保羅開 始了關于智能蜂群（Swarm Intelligence）的研究。通 過對自然界各類昆蟲群體的深入觀察分析，皮埃 爾·保羅發現某類昆蟲群體內部存在高度結構化的 組織，個體之間分工明確，協同工作，能夠完成遠遠 超出單一個體能力的復雜任務。其中，蟻群是最具 代表性的群體，單體之間通過簡單的信號傳遞，就 能實現較成熟的溝通協調，從而表現出某種規模化 的集群智能行為。在此現象的基礎上，人類不斷深 入研究昆蟲之間的集群行為，最終得出了如蟻群算 法（ACS）和粒子群優化算法（PSO）等諸多智能集群 算法。
付費5元查看完整內容
在目標檢測技術的驅動下，被賦予智能感知能力的無人機得以實現高效靈活的數據收集能力。隨著無人機 的普及與智能技術的成熟，無人機視角下的目標檢測在諸多領域中作為關鍵核心技術，具有重要的研究意義。為了 進一步促進無人機視角下目標檢測研究的發展，本文對無人機視角下的目標檢測算法進行了全面的總結，并對已有 算法進行了歸類、分析和比較。首先，介紹無人機視角下的目標檢測概念，并總結了無人機視角下目標檢測所面臨 的目標尺度、空間分布、樣本數量、類別語義以及優化目標等五大不均衡挑戰。**在介紹現有研究方法的基礎上，本 文特別整理并介紹了無人機視角下目標檢測算法在交通監控、電力巡檢、作物分析和災害救援等實際場景中的應用。**然后，重點闡述從數據增強策略、多尺度特征融合、區域聚焦策略、多任務學習、以及模型輕量化等方面來提升無 人機視角下目標檢測性能的方法，總結這些方法的優缺點并分析了其與現存挑戰之間的關聯性。之后，全面介紹基 于無人機視角的目標檢測數據集，并呈現已有算法在兩個較為常用的公共數據集上的性能評估。最后本文對無人機 視角下目標檢測技術的未來發展方向進行了展望。
0. 引言
計算機視覺技術為無人機賦予了自主感知、分 析和決策能力，而目標檢測則是提高無人機感知能 力的關鍵技術之一。無人機結合智能目標檢測技術 可充分發揮其高機動性優勢，在廣闊的空中視野中 定位感興趣目標，進而實現靈活高效的數據收集能 力。在目標檢測技術的驅動下，無人機在交通監控 （Byun 等，2021）、電力巡檢（Abdelfattah 等， 2020）、作物分析（Osco 等，2021a）和災害救援 （Bo?i?-?tuli? 等，2019）等多個領域中展現出廣闊 的應用前景。例如在交通監控領域，無人機可以空 中飛行進行偵測，不受道路限制，具有速度快、自 由度高、視野寬廣等優點。當交通事故等突發事件 發生時，無人機可以第一時間進行響應，到達現場 進行圖像采集與分析，為應急救援與管理提供及時 有效的數據支撐。在深度學習的驅動下，目標檢測 技術獲得了長足的發展，取得了諸多令人矚目的成 就。然而，大多數研究聚焦于地面視頻監控圖像的 分析，面向無人機視角圖像的目標檢測還未得到充 分的研究。目前，即使是最好的目標檢測算法，在 無人機圖像上的平均精確率也難以達到40%（Cao 等，2021）。
**無人機視角下的目標檢測之所以難，其主要原 因在于無人機圖像存在尺度變化、疏密分布、目標 數量較多且小目標占比較高等問題，特別是無人機 高分辨率圖像高計算需求與現階段低功耗芯片有 限算力之間的矛盾難以平衡。**相對于地面視角拍攝 的自然圖像，無人機視角下的廣闊視場意味著更為 復雜的場景和更加多樣的目標，在提供更為豐富的 可視化信息的同時，也帶來了更多無用噪聲的干擾。特別是無人機視角下，圖像中的目標往往因遠端拍 攝、背景遮擋或光照影響等因素檢測難度較大，需 要使用高分辨率圖像提供更多的信息以達到較好 的檢測效果。這極大地增加了目標檢測算法的計算 開銷與內存需求，特別是直接使用未經過特殊設計 的通用目標檢測算法將帶來難以承受的計算開銷 與內存需求，進一步加劇了目標檢測的難度。在實 際應用場景中，往往面臨著類似于識別車輛種類這 種細粒度分類的問題，這些相似目標給模型正確識 別目標帶來了巨大的挑戰。此外，受限于現實世界 中的目標數量，無人機視角下某些類別的樣本數量 往往極為有限，這種數據不均衡的狀況也對模型的 學習能力提出了更高的要求。因此，緊密地結合智能目標檢測技術，針對無 人機圖像的特性設計行之有效的方法，促使模型學 習理解無人機視角下的視覺數據，對于無人機在實 際場景中充分發揮其效用是至關重要的。無人機視 角下的目標檢測在應用廣泛的同時面臨著諸多挑 戰，具有深刻的現實意義與重要的研究意義。對無 人機視角下的目標檢測展開研究將有助于推動目 標檢測領域的進一步發展，增強目標檢測在面對真 實場景時的應用能力。
目標檢測作為計算機視覺領域的基礎研究，已 有學者對此進行研究與總結，并發表許多優秀的綜 述。Zou等人（2019）梳理了400多篇關于目標檢測 技術發展的論文，系統而全面地展現了目標檢測領 域。Oksuz等人（2020）則從目標檢測中存在的類別 不平衡、尺度不平衡、空間不平衡以及優化目標不 平衡等四大不平衡問題出發，對現有的目標檢測算 法進行了深入的總結。Chen等人（2020）則從小目 標四大基礎方法的角度出發，總結并分析了小目標 檢測的相關優化思路。曹家樂等人（2022）回顧并 總結了基于單目相機的視覺目標檢測方法，并對比 介紹了單目目標檢測和雙目目標檢測的國內外研 究進展情況。然而，以上綜述對于無人機視角下目 標檢測的關注不夠，未能系統地梳理無人機視角下 的目標檢測方法和面臨的挑戰。 **聚焦到無人機視角下的目標檢測，Mittal等人 （2020）關注低空無人機數據集，評估并總結了當 前流行的目標檢測算法，但是局限于簡單的性能對 比，沒有深入的總結分析。**Sambolek等人（2020） 介紹了在搜索和救援行動中使用無人機的可能性， 并提供了在無人機圖像中檢測相關人員的方法概 述。Srivastava等人（2021）則關注無人機圖像的車 輛檢測，從提高精度和減少計算開銷兩個方面回顧 了這些工作。Bouguettaya等人（2021）則關注于無 人機視角下的車輛檢測應用，總結并介紹了多種網 絡結構對于改善車輛檢測的貢獻。江波等人（2021） 對常見的航空影像數據集進行了梳理，并對近期的 無人機目標檢測研究進行了歸納和分析。楊浩然等 人（2022a）則對目標檢測相關算法進行了簡單的優 缺點分析。然而，這些綜述對于無人機視角下面臨 的挑戰總結不夠系統，算法方面的趨勢總結較為薄 弱，而且對于目標檢測算法的實際應用闡述也較少。
與以往關注通用領域的目標檢測綜述或僅關 注于無人機相關的特定應用場景下的綜述不同，**本 文著重于對無人機視角下的目標檢測這一意義重大且極具挑戰性的研究領域進行系統且深入的分 析與總結。**本文首先簡要闡述無人機視角下目標檢 測的重要研究意義，然后將對無人機視角下目標檢 測領域中存在的挑戰進行系統的歸納和總結，隨之 將介紹并分析無人機視角下的目標檢測優化思路， 包括數據增強、多尺度特征融合、區域聚焦策略、 多任務學習、模型輕量化以及其他優化策略等。本 文將特別展示無人機視角下目標檢測算法的應用， 闡明該研究的實際意義。此外，本文將介紹無人機 視角下適用于檢測任務的相關數據集，并在常用的 數據集上分析對比現有算法的檢測性能。最后，對 本文內容進行簡要的總結，并討論無人機視角下的 目標檢測未來可能的研究方向和發展趨勢。
付費5元查看完整內容
摘要
將多個領域的軍事能力融合以提高效能的學說預示著國防的新時代，其特點是能夠承受更高的作戰規模和節奏，這得益于戰場自動化和協作水平的提高。然而，要獲得這些技術進步的潛在好處，前提是要找到應對無數挑戰的成功解決方案，以便在競爭環境中實現智能、異構、交互資源的更高效和可擴展的操作。換句話說，提高防御能力的自動化和協作需要更智能的“戰場操作系統”——一個在排除人類參與時間尺度上管理復雜自動化任務的系統，同時賦予作戰人員足夠的控制權。我們將此操作系統稱為戰場物聯網 (IoBT)。
在本文中，我們將重點關注維護 IoBT 所依據的三個優勢原則（在現代沖突中）所面臨的挑戰。即，
-
(i) 時間是武器；贏家是那些將傳感器和行動者之間的延遲最小化的人
-
(ii) IoBT 是一個戰斗網絡；所有功能都必須經受住主動、堅定和技術成熟的對手
-
(iii) 需要機器智能；需要一種新型的 AI 解決方案，可以快速預測到需要的點，在那里它們可以在嚴酷的現場操作環境中生存，而不是將 AI 限制運行在更高級別數據中心的解決方案中。
戰場物聯網協作研究聯盟（由政府和學術界研究機構組成的聯盟，由美國陸軍作戰能力發展司令部資助，稱為 DEVCOM，陸軍研究實驗室 (ARL)）針對上述挑戰制定的解決方案是討論了：
- (i) 映射能力范圍（即，幫助理解設想的 IoBT 能力的基本可行性限制）
- (ii) 優化性能（即，通過以更低的成本提供智能能力來改進 IoBT 成本/價值權衡）
- (iii) 確保彈性（即，提高已開發的 IoBT 能力，以在具有挑戰性的戰場環境中抵御廣泛的威脅）。
我們特別關注涉及機器自動化和危害人工智能本身的威脅。雖然國防科學在研究保護有形資源的解決方案方面有著悠久的歷史，但一旦自動化進入循環并被依賴作為手動操作的優越替代方案，自動化或人工智能 (AI) 就需要同樣強調保護，因為它對作戰優勢至關重要。因此，戰場物聯網解決的一個關鍵挑戰是保護 IoBT 本身的效率、功效和完整性。
圖1:多域作戰(MDO)效應循環圖
圖2：分布式虛擬試驗場(DVPG)的概念架構
付費5元查看完整內容
摘要
無人機(UAV)由于有效且靈活的數據采集，近年來已成為計算機視覺(CV)和遙感(RS)領域的研究熱點。由于最近深度學習(DL)的成功，許多先進的目標檢測和跟蹤方法已被廣泛應用于與無人機相關的各種任務，例如環境監測、精準農業、交通管理。本文全面綜述了基于DL的無人機目標檢測與跟蹤方法的研究進展和前景。具體來說，我們首先概述了挑戰，統計了現有的方法，并從基于DL的模型的角度提供了解決方案，這三個研究課題分別是:來自圖像的目標檢測，來自視頻的目標檢測，來自視頻的目標跟蹤。利用無人機主導目標檢測與跟蹤相關的開放數據集，利用4個基準數據集，采用最先進的方法進行性能評估。最后，對今后的工作進行了展望和總結。本文對基于DL的無人機目標探測與跟蹤方法進行了綜述，并對其進一步發展提出了一些思考，以期為來自遙感領域的研究人員提供參考。
//www.zhuanzhi.ai/paper/d2cb72aa7da469d6481f2fc9e9c6454a
引言
目標檢測與跟蹤作為遙感領域的重要研究課題，已廣泛應用于環境監測、地質災害檢測、精準農業、城市規劃等各種民用和軍事任務中。傳統的目標捕獲方法主要來源于衛星和載人飛行器。這兩種平臺通常在固定軌道上運行或按照預定的路徑運行，也可以根據委托的任務，如城市規劃和測繪，或在惡劣和不適宜居住的環境下進行物體觀測，如冰凍圈遙感，臨時改變運行路線并懸停。然而，衛星和載人飛機的成本以及飛行員潛在的安全問題不可避免地限制了此類平臺的應用范圍。
隨著微電子軟硬件的發展，導航和通信技術的更新，以及材料和能源技術的突破，無人機(UAV)平臺已經成為國際遙感領域的研究熱點，迅速崛起。無人機遙感系統是將科技與無人機、遙感、全球定位系統(GPS)定位和慣性測量單元(IMU)姿態確定手段相結合的高科技組合。它是一個以獲取低空高分辨率遙感圖像為目標的專用遙感系統。與傳統平臺相比，無人機彌補了由于天氣、時間等限制造成的信息損失。此外，無人機的高機動性使其能夠靈活地采集視頻數據，不受地理限制。這些數據無論在內容上還是時間上都信息量極大，目標檢測與跟蹤進入了大規模無人機[1]-[3]時代，在土地覆蓋測繪[4]、[5]、智慧農業[6]、[7]、智慧城市[8]、交通監控[9]、災害監控[10]等領域發揮著越來越重要的作用。
目標檢測與跟蹤作為計算機視覺的基本問題之一，采用了經典的基于統計的方法[11]、[12]。然而，當前海量數據影響了這些傳統方法的性能，造成了特征維數爆炸的問題，存儲空間和時間成本較高。由于深度神經網絡(deep neural network, DL)技術[13]-[15]的出現，可以用深度復雜網絡學習具有足夠樣本數據的層次特征表示。自2015年以來，深度神經網絡已經成為無人機目標檢測與跟蹤的主流框架[16]，[17]。圖1為無人機遙感在城市區域目標檢測與跟蹤的示例。經典的深度神經網絡主要分為兩大類:兩階段網絡和單階段網絡。其中，RCNN[18]、Fast RCNN[19]和Faster RCNN[20]等兩階段網絡首先需要生成region proposal (RP)，然后對候選區域進行分類和定位。[21] -[23]的一系列工作證明了兩級網絡適用于具有較高檢測精度的應用。一級網絡，如SSD[24]和YOLO[16]，[25]，[26]，直接產生類概率和坐標位置，比二級網絡更快。同樣，也有一些更快的輕量級網絡，如mobilenet SSD [27]， YOLOv3 [28]， ESPnet v2[29]等。因此，對高速需求的無人機遙感實際應用而言，一級快速輕量化網絡是最終的贏家。但對于低分辨率的數據，如果不對圖像進行預處理或對經典的神經網絡結構進行修改，則無法產生良好的效果。
本文以最大起飛重量小于30公斤的無人機為研究對象，通過總結最新發表的研究成果，對基于深度學習(DL)的無人機目標檢測與跟蹤方法進行了全面綜述，討論了關鍵問題和難點問題，并描述了未來的發展領域。本文的其余部分組織如下。第二節概述了無人機的統計情況和相關出版物。第六節介紹現有的基于無人機的遙感數據集。第三至第五節綜述了三個分支在基于無人機的目標檢測和跟蹤方面的現有基于DL的工作。第八節討論結論。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191