感知類AI常用(yòng)于目标的探測、識别與定位，感知類AI目前常常采用(yòng)人工(gōng)智能(néng)技(jì )術，深度學(xué)習技(jì )術是AI采用(yòng)的必備技(jì )術手段。目前人工(gōng)智能(néng)深度學(xué)習技(jì )術嚴重依賴數據。
數據是深度學(xué)習的血液，數據用(yòng)來進行标注，進而産(chǎn)生樣本數據，是深度學(xué)習訓練系統的重要資源基礎。數據越多(duō)、越全面，深度學(xué)習效果越好，然而圖像類軍事數據的匮乏，數據制作(zuò)成本高、驗證困難同樣成為(wèi)人工(gōng)智能(néng)融入軍事應用(yòng)的發展瓶頸。
傳統的圖像類數據集制作(zuò)方法是采用(yòng)照相、錄像等手段對現實世界研究對象進行大量采集，形成數據集，之後進行标注處理(lǐ)。這種方法往往可(kě)能(néng)存在如下問題：
A. 過拟合。這是由于數據量太少的原因造成的，數據量太少的限制造成無法訓練一種算法；由于各種限制條件往往無法獲取到足夠的樣本數據。
B. 訓練數據集不平衡。主要是數據缺乏多(duō)樣性造成的；
C. 觀測位置：不同的視角難以找到同一個場景圖像，目前數據采集的手段對于軍事目标，是不可(kě)能(néng)獲取全面觀測位置的目标圖像的；
D. 多(duō)傳感器問題：幾乎不可(kě)能(néng)從EO/IR和RF傳感器中(zhōng)找到相同的場景/時間/方向的真實圖像;；
E. 圖像标記：大量手工(gōng)标記；
F. 可(kě)重複性低：蒙特卡洛支持性弱；
基于以上痛點，面向智能(néng)體(tǐ)感知系統，提出軍事圖像數據生成解決方案，本方案采用(yòng)虛拟三維目标，虛拟場景，紅外場景仿真軟件（傳感器仿真軟件），基于LVC架構，可(kě)以動态産(chǎn)生豐富的軍事目标圖像數據、行為(wèi)數據。可(kě)以廣泛的應用(yòng)到人工(gōng)智能(néng)輔助決策、目标自動識别等領域的AI初訓階段，形成初步權重，之後結合實際數據進行遷移細訓，可(kě)以大大加速訓練過程，提高人工(gōng)智能(néng)應用(yòng)的開發效率。
智能(néng)體(tǐ)感知系統訓練數據集生成解決方案特點：
A，無限制的背景類型。通過虛拟建模手段，理(lǐ)論上可(kě)以模拟地球上任何地理(lǐ)特征區(qū)域。
B，無限制的目标模型。通過三維目标建模手段，可(kě)以模拟任何實體(tǐ)目标（需要實體(tǐ)目标數據支持）。
C，各種環境變量。合成環境中(zhōng)考慮到了季節、時間、雨、雪(xuě)、風、霧、溫度、濕度變化因素及其對成像的量化影響。
D，多(duō)光譜傳感器。同一個場景目标，可(kě)以獲取可(kě)見光、長(cháng)波紅外、中(zhōng)波紅外、NVG多(duō)個波段的感器圖像；
E，任意觀察視角。同一個目标圖像具(jù)備多(duō)個觀察角度。
F，任何平台載荷的影響。例如飛機、旋翼機、戰車(chē)、輪船等各種實體(tǐ)平台，多(duō)種平台載體(tǐ)下傳感器的圖像。
目标模型庫：
