Автоматичне розпізнавання цілей на межі: ATR-конвеєри для ISR

Автоматичне розпізнавання цілей — це функція, яка перетворює датчик ISR з нескінченного потоку знімків на керований, пріоритизований список кандидатів, з яким людина може реально працювати. EO-турель, що транслює 1080p із частотою 30 кадрів на секунду, генерує більше пікселів за годину, ніж будь-який аналітик може переглянути за день; програмне забезпечення ATR безперервно стежить за цим потоком, виявляє об'єкти-кандидати, класифікує кожен відповідно до визначеної таксономії та прикріплює калібровану впевненість до кожного виклику. Виявлення — це легка частина. Складні частини — і саме вони визначають, чи заслужить система довіру оператора — це навчальні дані, калібрування впевненості та цикл підтвердження оператором, який забезпечує авторитет людини. Ця стаття розглядає повний конвеєр у тому вигляді, в якому він працює на обмежених ISR-платформах комп'ютерного зору на межі мережі.

Що таке ATR і чим він не є

Автоматичне розпізнавання цілей — це триланковий ланцюжок: виявлення (де знаходяться об'єкти-кандидати на цьому кадрі), класифікація (що являє собою кожен із них відповідно до фіксованої таксономії) та оцінювання впевненості (наскільки модель певна, виражене у числі, яке оператор може інтерпретувати). Виходом є набір геолокованих, позначених, оцінених за впевненістю треків, що надходять до спільної оперативної картини.

ATR не є повноваженням на ураження. Правильно спроектована система ATR ніколи самостійно не замикає цикл прийняття рішення. Вона стискає обсяг даних датчика до кандидатів і представляє докази; людина підтверджує або відхиляє ідентифікацію. Ця відмінність не є косметичною — вона визначає архітектуру, інтерфейс користувача та правову і доктринальну позицію всієї системи. ATR, що тихо перетворює власні класифікації на дії, є іншою і значно небезпечнішою категорією систем, і не є тим, що відповідальні програми ISR розгортають.

Таксономія визначає все наступне

До навчання будь-якої моделі необхідно зафіксувати таксономію цілей: точний набір класів, які система розпізнає — колісна техніка, гусенична техніка, буксирована артилерія, радар ППО, піші бійці тощо — із деталізацією, яка потрібна місії. Два класи є обов'язковими і часто упускаються недосвідченими командами: явний клас невідоме та клас фон/хибна ціль. Без них модель змушена присвоювати кожному виявленому об'єкту мітку цілі, що породжує хибні спрацьовування щоразу, коли вона стикається з чимось поза межами свого розподілу навчання. Модель, здатна відповісти «не знаю», оперативно цінніша за ту, що впевнено помилково класифікує цивільну вантажівку.

Чому ATR має бути на межі мережі

Аргумент на користь запуску ATR на платформі або на наземній станції управління, а не передавання необроблених знімків до центру обробки, зводиться до трьох чинників: пропускна спроможність, затримка та стійкість зв'язку.

Пропускна спроможність. Передавання відео EO або IR у повному обсязі через тактичний канал даних споживає весь спадний канал і конкурує з усім іншим, що потрібно надіслати платформі. Edge ATR передає лише виявлення — мітку, впевненість, обмежувальну рамку та геолокацію — що становить кілька сотень байтів на об'єкт проти мегабітів на секунду відео. Коефіцієнт стиснення — кілька порядків величини.

Затримка. Передавання знімків до наземного центру та назад додає затримку каналу й черги, що руйнує часозалежний цикл розпізнавання. Вивід на платформі формує рішення про розпізнавання в межах бюджету кадру без залежності від перевантаженого каналу зворотного зв'язку.

Стійкість зв'язку. У contested електромагнітному середовищі спадний канал може бути заглушений або переривчастий. Граничний ATR-конвеєр продовжує розпізнавати, реєструвати та пріоритизувати цілі під час розриву зв'язку, а потім синхронізує журнал виявлень після відновлення з'єднання. Система, що залежить від центру, просто «осліпне».

Ціна переходу на межу мережі — це обчислення. Наземний центр обробки має стійки GPU; ISR-платформа має бюджет потужності та тепловиділення, що вимірюється в десятках ватів. Це обмеження визначає архітектуру моделі та роботу з оптимізації, описану нижче — та сама дисципліна, що охоплена у нашому посібнику з оптимізації моделей ШІ для тактичного розгортання на межі мережі.

Архітектура моделі для граничного ATR

Стандартна виробнича архітектура для ATR у реальному часі — це двоетапний конвеєр. Швидкий, орієнтований на повноту детектор працює з повною частотою кадрів, локалізуючи кожен об'єкт-кандидат навіть коштом деяких хибних спрацьовувань — пропустити ціль на цьому етапі гірше, ніж позначити зайвий об'єкт. Кожен кандидат потім вирізається у фрагмент і передається класифікатору вищої якості, який присвоює остаточну мітку та впевненість. Поділ виявлення та класифікації дозволяє дешевому етапу встигати за датчиком, тоді як дорогий етап витрачає свої обчислення лише на ділянки, що вже містять щось цікаве.

Для детектора одноетапні згорткові детектори сімейства YOLO залишаються основним інструментом на граничних прискорювачах, оскільки добре відображаються на цілочисельну арифметику та добре квантуються. Детектори на основі трансформерів, такі як RT-DETR, забезпечують кращу точність на захаращених сценах за вищої обчислювальної вартості; чи вписуються вони — залежить від прискорювача. Етап класифікатора може дозволити собі глибший бекбон, оскільки обробляє лише фрагменти, а не повні кадри.

Два конструктивні рішення домінують у просторі компромісів архітектури на межі мережі. Перше — вхідна роздільна здатність. Цілі ATR часто малі у кадрі — транспортний засіб на далекій відстані може займати лише кілька десятків пікселів — і повнота виявлення малих об'єктів різко падає, якщо детектор занадто агресивно зменшує розмір. Стандартна відповідь — стратегія тайлингу: розбивати повний кадр на перекривні фрагменти, запускати детектор на кожному та об'єднувати виявлення, обмінюючи частоту кадрів на роздільну здатність там, де картина загрози цього вимагає. Друге рішення — часовий вимір. Детектор на одному кадрі обробляє кожен кадр незалежно; додавання легкого трекера, що асоціює виявлення між кадрами, пригнічує хибні спрацьовування на одному кадрі, стабілізує оцінку впевненості шляхом накопичення доказів у часі та перетворює мерехтливий набір рамок на стійкі треки, за якими оператор може стежити.

Мультимодальне та багатокутове розпізнавання

Ціль виглядає кардинально по-різному в різних режимах датчика та під різними кутами огляду. Тепловий підпис танка в обідній час в EO, його IR-підпис вночі та його відбиття SAR — три різні задачі розпізнавання. Надійний ATR або навчає єдину модель на злитих режимах, або запускає моделі для кожного режиму окремо і комбінує їхні виходи. Кут огляду так само ускладнює задачу: транспортний засіб, що спостерігається в лоб, у профіль і прямо зверху, має різні форми, і модель, навчена лише на косих знімках, зазнає невдачі під час наднадирного прольоту. Охоплення кутів огляду та режимів датчика в навчальному наборі важливіше за загальну кількість знімків.

Навчальні дані: справжнє вузьке місце

Модель рідко є обмежувальним фактором точності ATR — ним є дані. Виробничому класу ATR потрібні тисячі позначених прикладів, що охоплюють оперативний діапазон: кожен кут огляду, діапазон дальності, режим датчика, умови освітлення, погодний стан та ступінь перекриття й маскування, з якими система зіткнеться. Баланс класів є критичним; надмірно представлений поширений клас домінуватиме в навчанні, тоді як рідкісний, але важливий клас залишиться недовченим. Команди зазвичай надмірно вибирають рідкісні цілі та застосовують цільову аугментацію для компенсації.

ATR для оборони має структурну проблему з даними: знімки військових цілей в оперативних умовах є рідкісними і часто засекреченими, тому вони не можуть надходити до звичайного конвеєра навчання. Стандартним засобом пом'якшення є синтетичні дані навчання з рандомізацією домену — фізично обґрунтовані рендери моделей цілей у повному діапазоні положень, умов освітлення та ефектів датчика — що використовуються для поповнення набору даних, зі свідомо виміряним розривом між симуляцією та реальністю, що закривається дообробкою на наявних обмежених реальних зразках. Принципово важливо, що відкладений набір реальних знімків має бути зарезервований і ніколи не використовуватися для навчання, оскільки перевірка лише на синтетичних даних прикрашає результати моделі та приховує розрив між доменами.

Калібрування впевненості та проблема довіри

Довіра оператора до ATR будується та руйнується на числі впевненості. Якщо модель повідомляє 95% впевненості за виявлень, що насправді правильні лише у 70% випадків, оператори швидко розуміють, що число не має сенсу, і або надмірно йому довіряють (діючи за хибними спрацьовуваннями), або ігнорують його повністю (що нівелює мету системи). Обидва сценарії відмови небезпечні.

Калібрування — це виправлення. Після навчання на відкладеному наборі перевірки підбирається відображення калібрування, що узгоджує відображену впевненість із реальною емпіричною точністю. Масштабування температури — єдиний навчений параметр, що пом'якшує вихідний розподіл — є найпростішим і часто достатнім; ізотонна регресія обробляє складнішу некаліброваність коштом потреби в більшому обсязі даних перевірки. Правильним діагностичним інструментом є діаграма надійності та очікувана похибка калібрування, а не головна точність. Добре відкалібровані 60% оперативно кориснішіі за некалібровані 95%, оскільки оператор може правильно зважити їх.

Калібрування також необхідно перевіряти після квантування. Квантування INT8 може зміщувати розподіл оцінок настільки, що порушує калібрування, підібране на моделі з повною точністю, тому калібрування валідується на розгорнутому, квантованому артефакті, що працює на реальному граничному пристрої — момент, що безпосередньо пов'язує ATR із ширшою проблемою сортування ISR-даних на межі мережі в умовах обмежених обчислень.

Підтвердження оператором

Цикл підтвердження — це місце, де ATR стає відповідальною системою, а не автоматичним ідентифікатором. У схемі human-on-the-loop модель працює безперервно та автономно, але людина наглядає за її виходом і зберігає повноваження підтверджувати, відхиляти або скасовувати кожну класифікацію до того, як вона вплине на будь-яке рішення. Це відрізняється від human-in-the-loop, де людина повинна діяти в кожному циклі та стає вузьким місцем пропускної спроможності, та від автономності без участі людини, якої цільовий ATR свідомо відмовляється.

Хороший інтерфейс підтвердження представляє кожне виявлення з пріоритетом, з міткою, каліброваною впевненістю, фрагментом підтверджуючого знімка та геолокацією, і пропонує одинарні дії підтвердження та відхилення. Кожне рішення оператора реєструється як достовірні дані. Цей журнал — не просто аудиторський слід: це сигнал зворотного зв'язку для виявлення дрейфу моделі в полі та джерело нових позначених даних для наступного циклу перенавчання. Система вдосконалюється саме тому, що людина залишалась при владі над нею.

Дрейф, перенавчання та акредитація

Модель ATR, розгорнута проти реального противника, з часом деградує, оскільки тактика, маскування та техніка змінюються — розподіл, на якому її навчали, відходить від розподілу, який вона бачить зараз. Журнали підтверджень і відхилень виявляють цей дрейф як вимірюване зниження підтвердженої оператором точності за класами, що запускає цикл перенавчання на накопичених реальних мітках. Для акредитованих систем кожна зміна версії повторно проходить процес перевірки та калібрування, оскільки модель, що розпізнає цілі по-іншому, для цілей акредитації є новою системою.

Тут же входить у картину стійкість до атак. Модель ATR, яку противник може вивчити, — це модель ATR, яку противник може спробувати обійти — через фізичне маскування, підібране під сліпі плями моделі, приманки, що спрацьовують на певний клас, або паттерни, призначені для придушення виявлення. Постійного виправлення немає, є лише дисципліна: проводити «червоне командування» розгорнутої моделі проти реалістичних контрзаходів, розглядати раптовий зсув розподілу в журналі підтверджень/відхилень як можливу спробу обману, а не звичайний дрейф, і тримати людину твердо при владі, щоб обманута модель формувала кандидата для перевірки, а не не перевірену дію. Стійкість, калібрування та цикл підтвердження — не окремі функції; це три погляди на одну й ту саму вимогу — щоб оператор міг довіряти тому, що говорить йому система.