في عالم يتطور بسرعة بفضل تقنيات الذكاء الاصطناعي (AI)، برزت أهمية الكشف الآلي عن الأهداف (Automatic Target Detection and Recognition - ATD/R) كأداة حيوية لدعم القرارات العسكرية والعمليات شبه المستقلة. ومع ذلك، تواجه هذه الأنظمة تحديات عديدة، أبرزها نقص مجموعات البيانات العسكرية المتاحة للجمهور.

تستكشف الدراسة الجديدة بالمقارنة بين نماذج الكشف المتاحة في السوق وكيف يمكن استخدام مجموعات البيانات المدنية لتحقيق أداء معقول في السياقات العسكرية. من خلال اختبار عدة نماذج رائدة، بما في ذلك ستة إصدارات من سلسلة YOLO واثنين من نماذج إطار DETR، على مجموعة بيانات جديدة تتعلق بالجيش، تناولت الدراسة موضوع أداء النماذج في ظروف مليئة بالتحديات مثل وجود عوائق وأهداف صغيرة.

المفاجأة كانت في النتائج، حيث أظهرت أن النسخ الصغيرة من تلك النماذج لم تؤدي بنفس القدر مقارنة بنماذج أكبر، مما يُشير إلى أن الحجم له دور كبير في الأداء. كما أن نماذج DETR أظهرت نتائج مشجعة مقارنة بسلسلة YOLO، ولكن! كانت جميع النماذج تواجه صعوبات في الكشف عن الأهداف الصغيرة في سيناريوهات مختلفة.

اختتم الباحثون بأن التدريب في المجال المحدد لا يزال أمرًا حاسماً لتطوير أنظمة ATD/R فعّالة، مُشيرين إلى أنه على الرغم من التقدم الملحوظ في تقنيات الكشف، فإن الاعتماد على البيانات الملائمة قد يكون مفتاح التفوق في ساحة المعركة.