Cientistas do laboratório de pesquisa corporativa do Exército dos EUA estão desenvolvendo um novo algoritmo que pode melhorar a identificação de imagem e áudio para coleta de inteligência no campo de batalha.

O cientista do Laboratório de Pesquisa do Exército do Comando de Desenvolvimento do Exército dos EUA, Dr. Michael S. Lee, e seus colegas de trabalho estão desenvolvendo um algoritmo de aprendizado profundo denominado autoencoder de atalho que pode restaurar clipes de áudio únicos e imagens corrompidos por vários tipos de ruído aleatório.

O que diferencia seu trabalho dos estudos anteriores é que eles melhoraram a aplicabilidade aos sinais 1-D (por exemplo, fala humana), e estão testando contra fontes de ruído mais fortes do que normalmente considerado, ou seja, rácios de ruído / sinal além de 1,0.

"O aprendizado profundo é conhecido por ser capaz de detectar objetos em imagens com precisão, mas também é capaz de sintetizar dados de aparência realista, como observado no recentemente popular FaceApp, "Lee disse." Em nosso trabalho, usamos aprendizado profundo para reconstruir uma imagem com base em informações de entrada limitadas, por exemplo, com apenas um por cento dos canais de pixel retidos. "

Lee disse que o modelo de sua equipe é treinado com muitos dados de como são outras fotos reais, e uma variante de seu modelo de imagem pode ser usada para reconstruir a fala humana a partir de sinais de áudio ruidosos, mesmo quando o ruído é muito mais alto do que o sinal.

De acordo com Lee, as aplicações alvo do Exército são numerosas, incluindo espionagem, demodular comunicações na presença de bloqueadores fortes e percepção de objetos na imagem / vídeo que são obscurecidos intencionalmente, pela escuridão (pouca luz) ou por eventos climáticos como nevoeiro e chuva.

"No curto prazo, esta tecnologia pode fornecer uma função de 'Zoom / Melhorar' para analistas de inteligência, "Lee disse." No longo prazo, esse tipo de tecnologia pode ser perfeitamente integrado ao hardware de uma câmera para melhorar a qualidade da imagem em vários cenários, como pouca luz e neblina. "

Além dos aplicativos do Exército, Lee observou que o setor comercial também pode se beneficiar dessa tecnologia.

"Em ambientes de baixa largura de banda, como áreas distantes de torres de celular, algoritmos como o nosso podem fornecer ligações mais claras, "Disse Lee." Os carros que dirigem sozinhos podem se beneficiar dessa tecnologia em cenários climáticos extremos, como chuva e neblina, para inferir quais objetos estão à frente. As câmeras de vídeo comerciais serão capazes de operar em condições de baixa luminosidade com taxas de quadros mais altas e / ou tempos de exposição mais baixos. "

Este trabalho aborda desafios dentro do Comando de Rede, Ao controle, Equipe multifuncional de comunicação e inteligência.

"Parte da missão da CCDC ARL é explorar o reino do que é possível, "Lee disse." Aqui, mostramos que além da detecção e classificação, o aprendizado de máquina pode ser usado para a elucidação de imagens e sinais fracos e / ou ruidosos. "

Indo para o futuro, Lee e seus colegas gostariam de explorar como este método funcionará em tipos de dados além da fala humana e imagens ópticas, como dados do sensor do ambiente físico e comunicação sem fio.