Ứng dụng này có thể hỗ trợ camera giám sát, cảm biến trên các thiết bị bay không người lái và công nghệ do thám vệ tinh trong không gian, giúp xác định và thực hiện phân tích dữ liệu một cách nhanh chóng với độ chính xác cao.
| FeatureTrace tạo bước đột phá trong lĩnh vực trinh sát và xử lí hình ảnh. (Nguồn: National Interest) |
Giảm thiểu thời gian và nhân lực
Lợi thế vượt trội của FeatureTrace so với các ứng dụng khác là giảm lượng thời gian cần thiết để tạo hình ảnh hoàn chỉnh. Một cơ sở dữ liệu phong phú, phức tạp về các yếu tố, dữ kiện, biến số và các đặc điểm địa lý có thể nhận dạng, đều sẽ được đơn giản hóa chỉ bằng các thuật toán. Ứng dụng này đồng thời trở thành nguồn cung cấp dữ liệu và kết xuất hình ảnh phục vụ cho nhiệm vụ trinh sát.
Đại diện CACI cho biết, phần mềm này hoạt động theo nguyên lý chia hình ảnh thành các mảnh nhỏ và xử lý bởi mạng lưới mô hình toán học mô phỏng neurone thần kinh con người (Neutral Network - mạng thần kinh). Đầu ra là một hình ảnh được xử lý hoàn chỉnh với tất cả các chi tiết được nhận diện với độ chính xác lên đến 97%.
FeatureTrace sẽ tự động tinh chỉnh các chi tiết đầu ra bằng thuật toán Neutral Network và Deep Learning để tạo ra hình ảnh sắc nét hơn. Hơn nữa, công nghệ này hỗ trợ định dạng chất lượng ảnh phù hợp với yêu cầu của người giám sát thông qua bất kì công cụ phần mềm không gian địa lý nào mà họ chọn.
Được biết, sản phẩm của CACI sử dụng Deep Learning để tự động hóa việc thu thập các đối tượng địa lý, chẳng hạn như đường xá, tòa nhà, sông hồ có trong hình ảnh vệ tinh. Sau khi quá trình ghi nhận hoàn tất, giai đoạn phân tích và kiểm tra kết quả sẽ do chuyên gia của CACI phụ trách.
Và, trong khi các công ty khác cung cấp khả năng phát hiện đối tượng cơ bản, phần mềm và kỹ thuật mới của CACI có thể theo dõi đối tượng một cách bền bỉ. Nếu một đối tượng rời khỏi và vào lại trường quan sát của cảm biến, mô hình Neutral Network sẽ tự động phát hiện đối tượng và gán ID duy nhất cho đối tượng đó.
Dựa trên tiến bộ này, CACI hiện đang nỗ lực mở rộng phạm vi phân tích của FeatureTrace như đường xá và tòa nhà, thủy văn, đường ống và đường dây điện.
Cuộc cách mạng trong lĩnh vực GEOINT
Việc phân tích không gian địa lý-thông minh (GEOINT) đòi hỏi các nhà chuyên gia mất nhiều thời gian và công sức để xử lý, khai thác và lưu trữ hình ảnh. Nhiều nhiệm vụ cho đến nay vẫn đòi hỏi các nhà phân tích phải kiểm tra hình ảnh theo cách thủ công.
Công nghệ FeatureTrace của CACI tạo nên cuộc cách mạng cho lĩnh vực GEOINT - sử dụng các công cụ trí tuệ nhân tạo (AI) và thuật toán, FeatureTrace tiết kiệm hàng giờ nhân lực quý giá, bằng cách tự động thu thập các đối tượng địa lý từ vệ tinh trên cao.
Thay vì thẩm định theo cách thủ công, yếu tố con người trong GEOINT đã “giảm bớt” khi họ chỉ còn phải đóng vai trò kiểm tra chất lượng hình ảnh đã xử lý. Với FeatureTrace, từng tác vụ thủ công phức tạp và tốn thời gian hầu như bị triệt tiêu hoặc tinh giản hoàn toàn.
FeatureTrace trích xuất các chi tiết từ hình ảnh sử dụng khả năng neutral network, kiểm tra và diễn giải hình ảnh tương tự não người. Theo đó, các trích xuất hình ảnh vệ tinh RGB 3 chỉ cần 1-2 phút, thay vì 10 giờ nếu tiến hành theo cách thủ công.
Bên cạnh đó, ứng dụng tự động hóa vào quy trình làm việc của nhà phân tích hình ảnh cho phép họ tập trung vào việc kiểm tra chất lượng hình ảnh chính xác, hiệu quả hơn. Ngoài ra, kết hợp với công nghệ AI mạnh mẽ và các thuật toán giúp tiết kiệm thời gian và chi tiêu nhân sự.
Các cảm biến không gian đang được quân đội quan tâm phát triển khi nhu cầu về tình báo, giám sát và trinh sát (ISR) tiếp tục tăng lên. Các cảm biến không gian tầm xa, độ trung thực cao, cùng với xử lý dữ liệu nhanh hơn, đang được phát triển để xử lý các đối tượng địa lý dễ bị mất kết nối đường truyền như thời tiết, địa hình hoặc các đặc điểm khác của đô thị.
Điều này không chỉ quan trọng đối với các nhiệm vụ quân sự không gian thông thường, như các hoạt động cảnh báo phóng tên lửa sử dụng cảm biến hồng ngoại, hoặc hệ thống định vị, mà còn là tiền đề cho nhiều công nghệ thông minh khác, có khả năng ứng dụng rộng rãi trong quân đội.