Amerikan askeri araştırma görevlileri, insanlı ve insansız hava araçlarında radar algılayıcıların kullanılarak askeri hedeflerin hızlı ve doğru teşhis edilmesine yönelik radar hedef tanımada kullanılan bilgisayar algoritmaları için yeni yöntem ve yüksek-performanslı gömülü işlem (high-performance embedded computing – HPEC) mimarilerine ihtiyaç duymuşlardır. Araştırma görevlileri işte bu ihtiyaca yönelik çözümü derin öğrenme ile buldu.
Amerikan Hava Kuvvetleri Araştırma Laboratuarı Deep Learning Analytics ile Target Recognition and Adaption in Contested Environments (TRACE) programı kapsamında 6 milyon dolarlık bir sözleşme imzaladı.
DARPA TRACE programının üç hedefi bulunmaktadır: düşük güçlü hava araçlarında askeri hedefleri tanıma, karmaşık ortamlarda hedef tespitinde düşük yanlış alarm seviyesi ve yeni hedefleri aralıklı veya sınırlı ölçülen eğitim verisi ile hızlı öğrenme.
Radarların güvenli mesafeden yerdeki hedeflerin görüntüsünü alabilmesine rağmen, insan ve makine tabanlı radar resim tanıma yanlış alarm oranı kabul edilemez seviyededir. Ayrıca mevcut hedef tanıma algoritmaları insanlı ve insansız hava araçlarında elverişsiz büyük hesaplama kaynağına ihtiyaç duymaktadır.
Bu zorlukların üstesinden gelmek için TRACE programı kapsamında kesin, gerçek zamanlı, düşük güç ihtiyacı olan hedef tanıma sistemi geliştirecektir.
Bu çalışmada mühendisler gelişmekte olan mobil hesaplama mimarileri, ARM işmeciler gibi genel maksat hesaplama elemanlarını birleştiren bir çip üzerindeki (SoC) çoklu işlemciler, grafik işlemci üniteleri (GPUs) ve FPGA’den (Field Programmable Gate Array – Alanda Programlanabilir Kapı Dizileri) faydalanacaklardır.
Geçtiğimiz 30 yıl içinde radar görüntü tanımaya harcanan paranın büyüklüğü ve elde edilen başarı seviyesi değerlendirildiğinde derin öğrenmenin insan tanıma hata eşiğinin altında yakaladığı başarı ile diğer ülke ordularının da bu alana bir an önce yatırım yapmasını teşvik edecektir.
Yazının devamı için kaynaklara bakabilirsiniz.
Kaynak:
