亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

美軍從二戰開始就認識到“人”的因素在武器裝備功效發揮中的關鍵作用，從二戰到后續多場美國參與的現代化戰爭中，美軍裝備制造企業一直在探索如何更好地發揮“人”在武器裝備交互回路中的效能。人機交互作為一門復雜的交叉學科、系統工程，做好人機交互工作，要將“人”作為首要研究對象。在20世紀80年代，人機交互概念正式提出之前的幾十年時間里，人機功效或人因工程一直是提高“人”與機器綜合效能的關鍵研究問題。隨著計算機技術的發展，新的交互技術不斷涌現，牽引美軍人機交互技術的研究進入快速發展期。通過文獻調研的方法，總結提煉了美軍人機交互4個主要方面：認知系統工程、交互可用性、VR/AR交互和人/無人機交互，并分別總結敘述美軍人機交互相關研究的技術認知、應用案例和發展趨勢，為我國相關領域的發展提供借鑒參考。

人機交互 （human computer interaction，HCI）是 一門研究面向自然人用戶的交互式計算系統及其 相關主體的設計、評估和應用的學科。人機交互系 統存在于各類武器裝備中，并在武器裝備全生命周 期中發揮著關鍵性的作用。如 P51 戰斗機在二戰中 是美軍最成功的主力戰機之一，除本身出色的氣動 性能外，P51 對于飛行員友好而易用的座艙交互系 統也使得其廣受歡迎。相對同時期的英國戰斗機， P51 戰斗機飛行儀表系統的布局更加規整，操作功 能區更加簡潔易用。 在二戰之前，武器研發的常規思路是訓練人員 學習裝備操作、適應裝備特點。二戰后受實戰教訓 的啟發，在裝備研制領域開始推廣人因工程學（ergonomics）思想。人因工程學奠基人之一阿爾方斯·查 帕尼斯（Alphone Chapanis），通過分析多起 B17 轟炸 機墜毀案例，發現在高強度工作時，飛行員會搞混 飛機的襟翼控制旋鈕和釋放起落架旋鈕，因為兩個 按鈕的距離靠近且外觀相近，但二者的功能卻完全 不同，容易發生誤操作而墜機。因此，他僅通過將起 落架釋放按鈕改為圓形，將襟翼控制按鈕改為三角 形，就有效解決了誤操作問題［1］。隨著計算機系統 的應用，出現了真正意義的人機界面。 麻省理工大學為美國海軍開發的旋風（WhirlWind）轟炸機乘組訓練模擬系統，是世界上第一批 使用計算機實時模擬的系統，也是較早使用 CRT 顯 示器的信息化裝備。旋風掀起了 20 世紀 60 年代的 計算機微型化浪潮。如半自動地面環境（semi-automatic ground environment，SAGE）系統是美國空軍 開發的追蹤、攔截敵方轟炸機的自動控制系統。 SAGE 引入了基于調制解調器（modems）的實時通信 和計算技術，并首次使用激光筆代替了機械按鍵作 為交互介質。1970 年，SAGE 使用了斯坦福研究院 Engelbart 發明的鼠標代替了激光筆［2］，具有了現代 武器交互系統的雛形。 計算機技術的深入應用將人因工程的研究范 圍擴展到了人機交互，人與機器之間的交互界面也 從機械按鈕的排列組合演變為數字化的現代界面。 人機界面如同計算機系統的“藝術作品”，無法簡單 評價人機界面的優劣，好的人機界面始終處于不斷 演進中，而有缺陷的人機界面可能引發致命性災 難。1988 年兩伊戰爭結束前，一架載有 290 名乘客 的伊朗客機被美軍“文森號”宙斯盾導彈巡洋艦錯 誤擊落，機上乘客全部遇難。經過調查引起這個悲 劇的直接原因是宙斯盾系統界面設計的兩個細微 缺陷，導致宙斯盾操作員將處于爬升狀態的客機誤 認為是處于俯沖攻擊狀態的伊朗空軍 F-14 戰機， 進而發出錯誤的擊落指令。宙斯盾系統的顯示屏顯 示雷達探測到的實時目標信息（包含速度、距離和 高度），卻不包含目標的高度變化率，操作員需要手 動記錄不同時刻的高度，并使用計算器計算目標高 度的變化以判斷目標是在爬升或者下降。在研發時， 設計師曾提議在軟件中增加自動計算目標高度變化 的功能，在屏幕上通過標簽實時顯示目標是在爬升 或者下降，但被項目組以屏幕空間不夠、用戶沒有 提出這個需求為理由拒絕。當事故發生時，“文森 號”處于高度戒備狀態，操作員在高強度壓力下對 飛機的高度計算出現了錯誤，得出了與實際相反的 致命結論［3］。 計算機系統的人機交互分為人機界面設計、交 互設計和信息呈現設計［4］，美軍早在 20 世紀 90 年 代就編制了全軍武器裝備人機界面的設計指南［5］。指 南中詳細規定了對車輛、航空器、導彈系統甚至單兵 等各類裝備的人機界面設計規范。并針對性地給出 了對觸屏、頭戴式顯示器、常規屏幕等不同的交互媒 介的設計準則。 本文通過查閱美軍人機交互相關的研究論文 和公開文獻，提煉出美軍人機交互研究和應用的 4 個主要方面：認知系統工程、交互可用性、VR/AR 交 互和人-無人機交互，并依據實際案例論據論證美 軍在相關領域的研究理念和應用方向。

未來智能化戰爭無人集群作戰中,計算力的云邊端供給成為重要模式,其邊緣計算技術作為關鍵使能技術,能解決作戰邊緣任務執行實時性差、帶寬受限、數據安全等問題。闡明無人集群背景下邊緣計算的概念和技術內涵,給出一個面向戰術邊緣的云-邊-端分布式系統框架,以實現無人集群作戰的信息互聯互通、戰場局部和全局態勢感知、群智能決策和協同控制;對該框架涉及的關鍵技術,包括邊緣計算框架、邊云協同、計算卸載、邊緣指揮控制等關鍵技術展開綜述;展望和總結了無人集群作戰下的邊緣計算技術,為未來智能化戰爭邊緣戰術提供了參考。

無人集群作戰是指通過多無人平臺的傳感設備獲取戰場實時數據,并通過可靠通信網絡實現信息交換,充分發揮自身作戰能力,以最大化作戰效益的一種作戰模式。該模式具有分布式決策、體系魯棒性高、效費交換比高等優勢,目前已成為未來無人作戰發展的主要趨勢之一。現代作戰中高效信息流通是保障作戰效率的關鍵因素。由于作戰環境充滿電磁輻射干擾,向云服務中心的請求通常會受限于較高的傳輸成本和時延。另外,對于傳統的中心式作戰決策模式,由于由局部態勢信息向中心的共享存在滯后和不一致問題,無法將決策中心、戰地指揮所與信息流末端的作戰平臺形成統一的調度和管理。通常高層決策中心決策時所依賴的信息已經過逐級處理,這勢必會把部分對態勢評估有價值的信息忽略掉。同時隨著越來越多的智能化作戰平臺投入戰場,終端會產生大量的數據而得不到及時的利用,龐大的信息整合與處理對指揮決策而言是一大挑戰。根據《解放軍報》2021年11月30日的作戰專論“智能化戰爭:強者勝的三個維度”,未來智能化戰爭中,連接力、計算力、認知力等新的戰斗力因子成為左右戰爭勝負的新變量,其中計算力強者勝理念推動了算力的云邊端供給模式。特別是近年來,美軍大力發展類似F-22戰機充當“戰斗云”(云+邊+端計算模式),提高無人系統的人工智能技術含量,以推動自主作戰平臺的自協同能力提升等。基于當前無人集群作戰的背景下,戰場決策與控制權逐漸從云上向戰術邊緣下沉,從平臺的角度來看,旨在充分開發邊緣平臺數據獲取、自主決策的能力。從作戰任務環境來看,決策與控制的下沉彌補了單平臺資源緊缺、信息受限、能力不足等缺點,能夠針對日益復雜的任務和動態變化的作戰邊界做出及時響應。云邊端模式下的邊緣計算具備低延遲、高安全性、低流量等優勢,能夠提供作戰平臺高可靠和隱私保護的本地計算服務,在軍事領域具有廣泛的應用需求和前景[1]。為此本文擬面向未來智能化戰爭的無人集群作戰技術,研究“云+邊+端”計算模式下邊緣計算的發展現狀和未來趨勢。本文對無人集群、邊緣計算的發展簡史以及整體過程進行縱向簡述,提出面向戰術邊緣的云-邊-端分布式系統框架,引出目前無人集群作戰背景下邊緣計算的關鍵技術;綜述了該框架涉及的邊緣計算框架、邊云協同、計算卸載、邊緣指揮控制等關鍵技術;闡明了無人集群邊緣計算發展趨勢并對全文進行了總結。

近年來,隨著無人機技術的不斷發展與完善,無人機不僅在軍事領域發揮著重要作用,在民用領域也得到了廣泛應用。然而,隨著使用難度的不斷降低,無人機在給人們生產生活帶來巨大便利的同時,其“黑飛"與濫用也給國家、社會和人民造成了安全危害。因此,對低空無人機進行反制與防護的需求在軍、民領域均十分強烈。圍繞無人機在不同領域的應用狀況,介紹了低空無人機非合作飛行帶來的安全問題,對威脅種類及來源進行了討論;在此基礎上,著重對國內外反無人機技術的發展現狀進行了深入分析,對現有反無人機技術體系的組成及相關系統的優缺點進行了綜述。此外,結合低空反無人機系統研發的智能化、一體化、自主化問題,分析并討論了低空反無人機中探測與防護關鍵技術的未來發展趨勢。

近年來,隨著信息、控制、通訊等領域技術的不 斷發展成熟,使得無人機具有成本低、體積小、重量 輕、易 操 縱、靈 活 性 好、適 應 性 強、穩 定 性 高 等 優點[1灢2],帶動了無人機產業的整體飛速發展,促使消 費級和工業級無人機的使用門檻逐漸降低,在民用 及軍事領域都得到了廣泛應用[3]。 然而,雖然國內從事無人機研發和生產銷售的 企業超過400家,對消費級無人機操作人員的需求 總量超過10萬,但由于缺乏統一的行業標準和規 范,導致準入門檻較低,多數無人機的操控飛行都 處于“黑飛暠狀態,給各行各業帶來便利的同時,卻 使公共安全甚至國家安全受到了嚴重威脅。非合 作無人機入侵飛行的主要威脅可以分為五個方面: 威脅國家安全[4灢5]、威脅重要目標安全[6]、威脅空中 飛行安全[7]、威脅公共安全、侵犯公民隱私。從無 人機的飛行意圖是否受人為因素影響的角度來講, 還可將低空無人機所帶來的安全威脅來源大致分 為兩類: (1)被動非合作。對于被動非合作無人機而 言,其安全威脅來源主要是由通信失敗而導致的操 作失控。無人機系統主要由無人平臺、任務載荷、 測控通信系統、地面指揮控制等部分構成。其中測 控通信系統是實現人機結合的關鍵,也是無人機飛 控安全性的最大保障[8]。測控通信系統主要依靠 數據鏈路傳輸信息來完成對無人機的遙控、跟蹤定 位和信息傳輸[9],若數據鏈路中斷,則會造成無人 機操作失控,導致其飛行軌跡發生不可預測的變 化,成為被動非合作目標。該類型目標失控后,其 后果嚴重者一般為硬著陸,不僅可能導致機身損 毀,還有很大概率會對地面人員和設施造成安全 危害。 同時,隨著無人機應用范圍的拓展,無人機數 量幾乎呈爆炸式增長態勢,這會導致同一空域內同 一飛行空間中的無人機數量過多,極其容易使無人 機對 各 自 的 飛 行 產 生 影 響,例 如 發 生 空 中 相 撞 等[10];更為嚴重的是,會對空域內其他飛行器產生 安全威脅,例如民航班機等。 (2)主動非合作。相較于被動非合作式的低 空無人機,主動非合作目標是指操作人員有意識地 利用無人機進行飛行入侵任務,受操作人員主觀意 識的影響,主動非合作的無人機會對公共安全和國 防安全造成更大的危害[11]。例如,2016年3月,在 阿塞拜疆和亞美尼亞爆發的戰爭中首次出現了“自 殺式無人機暠,阿塞拜疆空軍將無人機作為先頭部 隊執 行 爆 炸 任 務 襲 擊 目 標,而 不 是 直 接 發 射 導 彈[12],亞美尼亞國防部稱,無人機攻擊了一輛搭載 亞美尼亞志愿軍的大巴,造成7人死亡[13]。 隨著無人機在軍民用領域的快速推廣與應用, 加大對無人機使用的法律法規監管、加快無人機反 制技術的研發已迫在眉睫。本文主要從技術層面 對現有反無人機系統的原理和特點進行闡述與分 析,并結合針對“低、慢、小暠目標的探測與防護技術 的最新進展,對低空反無人機系統的未來發展趨勢 進行分析與討論。

無人機的任意使用對公共安全和個人隱私構成了極大威脅,因此近年來反無人機已成為一個非常重要的新興領域,越來越多的研究希望通過更精確的無人機探測跟蹤技術和引進新機能、新概念技術來更好地反制無人機,從而保證國防安全、公共安全和個人隱私等.基于此,對國內外反無人機技術進展進行分析總結,首先,對基于雷達、光電、無線和聲傳感器以及多傳感器信息融合算法的無人機檢測和分類方法的研究工作進行全面的綜述;然后,對現有反無人機技術體系的組成及相關系統的優缺點進行綜述,討論了現有的反無人機技術、典型的反無人機系統以及無人機集群對抗技術;最后,對反無人機領域的研究前景進行展望,為解決低空安全問題奠定基礎. 態勢感知、威脅檢測和跟蹤對于廣泛的軍事和海事應用至關重要.由于無人機商業化程度逐漸提高, 它對軍事和民用的威脅也日益增大.因此在軍事和民用等領域, 反無人機將越來越重要, 各國在加緊研究無人機的同時, 亦大力發展反無人機產業, 實現“攻防一體”.反無人機技術得到了蓬勃發展, 大有百花爭艷、百家爭鳴的態勢.因此, 對反無人機研究現狀進行總結具有十分重要的意義, 這可以為目前的研究提供一些新的思路以及改進的方向. 反無人機是指通過一系列技術手段與設備對無人機進行反制, 使公共安全、公民隱私、國家安全等得到保障.目前反無人機技術存在以下難點.

1. 無人機逐漸隱身化、微小化, 且探測環境復雜. 在外型方面, 隨著納米復合材料、智能蒙皮結構等前沿技術的突破, 小型化、微小型化將成為無人機未來的發展趨勢, 這將會導致信噪比低, 回波信號極易被雜波淹沒.另一方面, 針對各探測手段無人機采用了復合材料、防紅外反射技術等實現隱身化, 將大大增加探測難度.而在探測環境方面, 探測常常受到地形地物干擾, 導致信號衰減、信噪比低、目標被遮擋.

2. 無人機偵察-防御-攻擊一體化, 作戰效能成倍提高, 增加了防空系統的難度.近年來, 無人機逐漸發展為偵察-防御-攻擊一體化, 能夠實現多角色功能轉換, 給目前的反無人機系統帶來了極大挑戰.

3. 無人機系統信息處理高速化、智能化, 信息傳遞多樣化, 傳感器系統綜合化, 增大了反偵察和干擾的難度.伴隨深度學習、大數據的浪潮, 以人工智能為核心的無人機研究逐步開展, 并且成果顯著.此外, 為增強無人機通信效率和抗干擾能力, 在其內部還安裝了高速信息處理機, 信息處理速度得到很大提高.同時為了提高無人機的探測偵察能力, 許多無人機系統安裝了由雷達、紅外等多種異類傳感器構成的傳感器系統, 可進行準確的態勢感知, 綜合化水平越來越高.此長彼消, 這使得其偵察能力大大提高的同時, 也加大了對其進行干擾、欺騙、偽裝的難度.

4. 無人機集群相關研究方興未艾, 傳統防空系統難以應對.相比于單個無人機, 集群無人機不僅作戰效能高、靈活性強, 而且作戰成本可控、效費比高, 近年來已成為各軍事強國爭先研究的一種新型作戰樣式.戰場上, 集群攻擊將使得作戰成本極不對稱, 效費交換劣勢明顯.除此之外, 隨著技術的成熟, 集群式微型機亦發展迅速, 已成為美、俄、以等國軍方重點關注的內容, 比如美國的小精靈計劃.而隨著復眼戰術、蜂群策略逐步完善, 未來將出現更多的作戰樣式.

總而言之, 無論是無人機的外形逐漸隱身化、微型化, 還是系統一體化、綜合化, 信息處理高效化, 抑或是作戰方式集群化, 都使反無人機技術面臨重重困難, 但也反映出反無人機研究勢在必行.這些是挑戰, 也是機遇, 將大大推動反無人機技術的發展.

當前的反無人機技術體系主要由探測跟蹤和預警技術、毀傷技術、干擾技術和偽裝欺騙技術4大部分組成[1], 其作戰過程如圖 1所示.

第1步是對無人機進行探測識別, 然后再根據實際情況, 選擇對其進行欺騙干擾的軟損傷還是火力打擊的硬摧毀.除此之外, 己方須進行一定的偽裝防護以降低敵方無人機的偵察效率和效果.從圖 1可以看出, 探測預警技術是后3種技術的基礎和關鍵, 并且由于各國反無人機技術都采取嚴格的保密措施, 能夠查找到的公開技術有限, 而無人機作為一種檢測目標, 對其進行探測和識別的公開研究較多.因此本文首先對無人機探測技術進行詳細總結, 然后介紹其他3種對抗技術, 并簡要介紹目前一些典型的反無人機系統, 最后針對集群無人機描述反制措施.

無人機具有體積小、靈活性強、航拍視野廣等特點，廣泛應用于警用巡查、城市交通監管、天氣監測、 電力巡檢、應急救援救災等行業。近年來，隨著計算機視覺領域的蓬勃發展，基于深度學習的目標檢測 技術逐漸應用于無人機領域，并不斷得到改進和加強。本文系統性地闡述了基于深度學習的目標檢測技 術發展歷程和研究現狀。針對現階段無人機航拍影像小目標多、背景復雜、目標尺度變化大的特性，歸 納和分析了近期對無人機目標檢測的相關研究。最后，展望了基于深度學習的無人機目標檢測技術的未 來發展趨勢。 隨著科技的發展，無人機(UAV)已經擺脫了過去的軍事用途，逐漸擴展到民用和商用領域。隨著無 人機技術的發展，基于深度學習的目標檢測技術已成為無人機應用領域的重要研究內容[1]。將目標檢測 技術應用于無人機上，實現在航拍視角下對地面場景的目標檢測和識別。然而，在無人機航拍圖像中， 檢測對象多為小目標，受航拍視角影響，目標尺度變化較大；圖像背景復雜，目標對象易被遮擋。給無 人機的目標檢測帶來了諸多挑戰[2]。常規的目標檢測算法應用于無人機上難以保證檢測精確度，優化無 人機的目標檢測性能成為了無人機應用領域的重要研究內容[3] [4]。本文首先介紹基于深度學習的目標檢 測研究進展，然后總結現階段無人機領域目標檢測的研究難點，針對小目標檢測、背景復雜、多尺度變 化三個方面進行改進和優化的各類方法進行了闡述。最后，對未來無人機目標檢測的研究方向做出了展 望。

具有沉浸顯示、智能輔助、自然化人機交互等先進控制能力的新型無人機地面站已成為當前無人機控制領域的研究熱點。為分析其中的技術脈絡,系統性地梳理國內外一系列無人機先進地面站的功能要點及設計理念,在此基礎上從無人機地面站指揮控制的觀察—判斷—決策—行動回路出發,歸納提煉了其技術體系構成,分析指出了其中的任務環境構建、戰場態勢沉浸式顯示、智能化輔助決策和自然化人機交互等關鍵技術,并對各項技術的主要研究方法進行了深入剖析,還對無人機先進地面站目前存在的挑戰和未來發展趨勢進行了研判。該研究對新型地面站的研制具有指導和借鑒意義。

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。

開放型對話是對話系統的一個重要分支,有著極強的應用前景。它不同于任務型對話,具有較強的隨機性和不確定性。該文從回復方式驅動對話技術發展這個角度切入,進行開放型對話技術發展過程的梳理,緊扣序列到序列及其改良模型在對話生成場景中應用的這條主要線索,對開放型對話的關鍵技術進行了探討和研究。上述研究勾畫出了從單輪對話到多輪對話發展的主要研究主線。為進一步探索對話技術發展的內在規律和發展趨勢,通過研究發現,基于序列到序列的生成模型在面向多輪對話生成的任務場景時,顯現出模型實現特點和應用場景不完全匹配的問題。因此,在該文的最后,從引入外部知識、改寫機制及代理機制三個角度切入,初步探索了相關技術針對多輪對話生成的可能改進方向。

//jcip.cipsc.org.cn/CN/abstract/abstract3213.shtml

摘要： 近年來人工智能迅速發展,被用于語音、圖像等多種領域,并取得了顯著效果。然而,這些訓練好的人工智能模型非常容易被復制并擴散,因此,為了保護模型的知識產權,關于模型版權保護的一系列算法或技術應運而生,其中一種就是模型水印技術。通過模型水印技術,向人工智能模型植入水印,一旦模型被竊取,可以通過驗證水印來證明自己的版權所有權,維護自己的知識產權,從而達到保護模型的作用。該類技術在近年來成為了一大熱點,但目前尚未形成較為統一的框架。為了更好地理解,總結了現階段模型水印的研究成果,論述了當前主流的模型水印算法,分析了模型水印研究方向的研究進展,還復現了其中幾種典型算法并進行了比較,最后提出了未來可能的研究方向。

//www.jsjkx.com/CN/10.11896/jsjkx.201200204

【摘要】 人機對話技術作為人工智能領域的重要研究內容,它是人與機器的一種新型交互方式,受到學術界和工業界的廣泛關注。近些年來,得益于深度學習技術在自然語言領域的突破性進展,極大地促進了人機對話技術的發展。將深度學習融入人機對話系統技術中,不但使得端到端的方法成為可能,而且提取出的特征向量非常有效幾乎完全取代了人工特征。本文首先回顧了人機對話系統的發展歷程,介紹了人機對話系統的兩種類型,任務型對話系統和非任務型對話系統。其次,本文從理論模型、研究進展、可用性及存在的問題與挑戰等角度深度剖析了任務型對話系統的兩種方法,管道方法和端到端方法。重點分析深度學習技術和強化學習技術的具有代表性的前沿算法,并與傳統方法進行對比。最后,對任務型人機對話系統目前的評估方法和存在的問題進行總結,并展望了任務型對話系統的未來研究方向。

//tow.cnki.net/kcms/detail/detail.aspx?filename=JSJX20191105000&dbcode=CRJT_CJFD&dbname=CAPJLAST&v=