自动检测飞行无人机是一个关键问题，其存在（特别是未经授权）可以造成风险的情况或损害安全性。在这里，我们设计和评估了多传感器无人机检测系统。结合常见的摄像机和麦克风传感器，我们探索了热红外摄像机的使用，指出是一种可行且有希望的解决方案，在相关文献中几乎没有解决。我们的解决方案还集成了鱼眼相机，以监视天空的更大部分，并将其他摄像机转向感兴趣的对象。传感溶液与ADS-B接收器，GPS接收器和雷达模块相辅相成，尽管由于其有限的检测范围，后者未包含在我们的最终部署中。即使此处使用的摄像机的分辨率较低，热摄像机也被证明是与摄像机一样好的可行解决方案。我们作品的另外两个新颖性是创建一个新的公共数据集的多传感器注释数据，该数据与现有的类别相比扩大了类的数量，以及对探测器性能的研究作为传感器到传感器的函数的研究目标距离。还探索了传感器融合，表明可以以这种方式使系统更强大，从而减轻对单个传感器的虚假检测
translated by 谷歌翻译
近年来，使用小型和远程控制的无人驾驶飞行器（无人机）或无人机的无人驾驶。这与滥用剧集平行，对人或设施的安全有明显的威胁。结果，UAV的检测也被出现为研究主题。关于无人机检测的大多数研究未能指定采集设备，无人机类型，检测范围或数据集的类型。尽管它与其他目标取得了成功，但缺乏采用热红外摄像机的适当的无人机检测研究也是一个问题。此外，我们还没有找到任何以前的研究，以作为与目标距离的函数来解决检测任务。传感器融合也被称为开放式研究问题，尽管在这方面的研究也很稀缺。为了抵消所提到的问题并允许与普通公共基准的基本研究，我们有助于带注释的多传感器数据库，用于无人机检测，包括红外和可见视频和音频文件。该数据库包括三种不同的无人机，不同的尺寸和其他飞行物体可以被错误地检测为无人机，例如鸟类，飞机或直升机。除了使用几种不同的传感器之外，类的数量高于先前的研究。为了允许研究作为传感器到目标距离的函数，根据行业标准检测，识别和识别（DRI）要求，将数据集分为三类（关闭，中，遥远），识别和识别（DRI）要求，建立在Johnson标准上。鉴于无人机必须在视觉范围内飞行，由于法规，无人机的最大传感器到目标距离为200米，并且在白天进行采集。该数据已在瑞典的三个机场获得：Halmstad Airport（IATA规范：HAD / ICAO代码：ESMT），哥德堡市机场（GSE / ESGP）和MALM \“o机场（MMX / ESMS）。
translated by 谷歌翻译
随着深度神经网络（DNN）的发展以解决日益复杂的问题，它们正受到现有数字处理器的延迟和功耗的限制。为了提高速度和能源效率，已经提出了专门的模拟光学和电子硬件，但是可扩展性有限（输入矢量长度$ k $的数百个元素）。在这里，我们提出了一个可扩展的，单层模拟光学处理器，该光学处理器使用自由空间光学器件可重新配置输入向量和集成的光电，用于静态，可更新的加权和非线性 - 具有$ k \ \ 1,000 $和大约1,000美元和超过。我们通过实验测试MNIST手写数字数据集的分类精度，在没有数据预处理或在硬件上进行数据重新处理的情况下达到94.7％（地面真相96.3％）。我们还确定吞吐量（$ \ sim $ 0.9 examac/s）的基本上限，由最大光带宽设置，然后大大增加误差。我们在兼容CMOS兼容系统中宽光谱和空间带宽的组合可以实现下一代DNN的高效计算。
translated by 谷歌翻译
与小组元素的作用一样，在数学中通常用于分析或利用给定问题设置中固有的对称性。在这里，我们提供有效的量子算法，用于对存储为量子状态的数据进行线性组卷积和互相关。我们的算法的运行时间在组的维度上是对数，因此与经典算法相比，当输入数据作为量子状态和线性操作提供良好的条件时，提供了指数加速。我们的理论框架是出于解决代数问题的量子算法的丰富文献，为量化机器学习和采用小组操作的数值方法中的许多算法开辟了一条途径。
translated by 谷歌翻译