تشهد تقنية الطائرات بدون طيار (UAV) نمواً كبيراً في السنوات الأخيرة، مما يزيد من الحاجة إلى تحسين أساليب اكتشافها باستخدام الصور والفيديو. يعتمد الكثير من هذه التقنيات على التعلم الآلي، التي تحتاج إلى صور وتوصيفات دقيقة للإعداد والتدريب. في هذا السياق، تركز الأبحاث على استخدام التسميات المتعلقة بوجود أو عدم وجود الهدف على مستوى الإطار، وهذا عندما تصبح التعليقات المكانية صعبة بسبب تغيرات في المشهد أو السينسور.

تمت دراسة قدرة الكشف وسلوك التعلم لأحد النماذج الموجودة المخصصة لاكتشاف النقاط، التي تم تدريبها باستخدام تسميات الوجود وعدم الوجود، حيث لا تحتاج إلى كاشف خارجي. يعتمد هذا النموذج على تجميد الميزات المكانية المكتسبة من خلال التصنيف وتدريب نموذج للإخراج باستخدام نفس التسميات للإنتاج خرائط النقاط والكشف المباشر.

عند الاختبار على مجموعتين من البيانات الحرارية، تم تقييم معدلات النجاح في تحديد المواقع ومعدلات الكشف تحت قيود الإنذارات الكاذبة. خلصت الدراسة إلى أن توزيع عدد التسميات المماثل عبر مقاطع فيديو أكثر ساعد في زيادة معدلات النجاح في تحديد المواقع، بينما كانت التأثيرات الناتجة عن التحضير تختلف حسب مجموعة البيانات ومعايير التقييم.

تظهر النتائج أن الزيادة في معدلات نجاح تحديد المواقع لم تؤدِ دائماً إلى تحسين مستويات الكشف تحت قيود الانذارات الكاذبة، حيث كانت هناك حالات فشل عندما كانت إشارات الهدف ضعيفة مقارنة بتنوع الخلفية. هذه الاكتشافات توفر إرشادات قيمة حول تخصيص التسميات والتمثيلات المكانية والإخراجات والتحكم في الإنذارات الكاذبة، مما يعد بفتح آفاق جديدة في مجال تتبع الأجسام الجوية.