基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)及其方法與流程
1.本技術(shù)涉及射擊訓(xùn)練智能控制領(lǐng)域，且更為具體地，涉及一種基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)及其方法。
背景技術(shù)：
2.隨著新軍事革命的持續(xù)推進，軍事訓(xùn)練數(shù)字化已是大勢所趨。我國高度重視軍事訓(xùn)練工作，多次就加強實戰(zhàn)化訓(xùn)練作出重要指示，對我軍訓(xùn)練理念、訓(xùn)練條件、訓(xùn)練手段發(fā)展創(chuàng)新提出了更高要求。
3.但是，現(xiàn)有的訓(xùn)練方法是通過肉眼觀察來記錄命中的環(huán)數(shù)，一方面會使得訓(xùn)練系統(tǒng)不能全自動化，另一方面，也會導(dǎo)致訓(xùn)練成果無法數(shù)據(jù)化沉淀，不便于后續(xù)的統(tǒng)計分析。
4.因此，期望一種優(yōu)化的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)以對于訓(xùn)練過程進行全自動化控制，進而大幅提高部隊訓(xùn)考的準(zhǔn)確性、公平性、便捷性，使部隊實彈射擊訓(xùn)練走進數(shù)字化時代。
5.目前，深度學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛應(yīng)用于計算機視覺、自然語言處理、文本信號處理等領(lǐng)域。此外，深度學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)在圖像分類、物體檢測、語義分割、文本翻譯等領(lǐng)域，也展現(xiàn)出了接近甚至超越人類的水平。
6.近年來，深度學(xué)習(xí)尤其是神經(jīng)網(wǎng)絡(luò)的發(fā)展給物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制提供了新的解決思路和方案。
技術(shù)實現(xiàn)要素：
7.為了解決上述技術(shù)問題，提出了本技術(shù)。本技術(shù)的實施例提供了一種基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)及其方法，其首先通過卷積神經(jīng)網(wǎng)絡(luò)來對于子彈命中靶機和子彈未命中靶機的圖像隱含特征分別進行針對性的特征挖掘以得到特征圖，再通過計算命中特征圖和所述未命中特征圖之間的差分特征圖以此來凸顯命中區(qū)域的特征表示，并再次通過通道注意力機制進一步從差分特征圖中強化各關(guān)聯(lián)特征之間的相關(guān)性特征的提取，以提高命中環(huán)數(shù)是否超過九環(huán)的分類判斷精度。進而，響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。這樣，能夠?qū)崿F(xiàn)軍事化打靶訓(xùn)練的自動控制。
8.根據(jù)本技術(shù)的一個方面，提供了一種基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)，其包括：圖像采集模塊，用于獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像；命中圖編碼模塊，用于將所述第一靶機圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到命中特征圖；靶機原圖編碼模塊，用于將所述第二靶機圖像通過作為特征提取器的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到未命中特征圖；差分模塊，用于計算所述命中特征圖和所述未命中特征圖之間的差分特征圖；通道注意力模塊，用于將所述差分特征圖通過通道注意力模塊以得到加強差分特征圖；判斷模塊，用于將所述加強差分特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示命中的環(huán)數(shù)是否超過九環(huán)；以及自
動控制結(jié)果生成模塊，用于響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。
9.在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中，所述命中圖編碼模塊，進一步用于：使用所述第一卷積神經(jīng)網(wǎng)絡(luò)模型的各層在層的正向傳遞中對輸入數(shù)據(jù)進行：對所述輸入數(shù)據(jù)進行基于二維卷積核的卷積處理以生成卷積特征圖；對所述卷積特征圖進行池化處理以生成池化特征圖；對所述池化特征圖進行激活處理以生成激活特征圖；對所述激活特征圖進行沿通道維度的全局平均池化以獲得空間特征矩陣；對所述空間特征矩陣進行卷積處理和激活處理以生成權(quán)重向量；以及，以所述權(quán)重向量中各個位置的權(quán)重值分別對所述激活特征圖的各個特征矩陣進行加權(quán)以獲得生成特征圖；其中，所述第一卷積神經(jīng)網(wǎng)絡(luò)模型的最后一層輸出的所述生成特征圖為所述命中特征圖。
10.在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中，所述靶機原圖編碼模塊，進一步用于：使用所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的各層在層的正向傳遞中對輸入數(shù)據(jù)進行：對所述輸入數(shù)據(jù)進行基于二維卷積核的卷積處理以生成卷積特征圖；對所述卷積特征圖進行池化處理以生成池化特征圖；對所述池化特征圖進行激活處理以生成激活特征圖；對所述激活特征圖進行沿通道維度的全局平均池化以獲得空間特征矩陣；對所述空間特征矩陣進行卷積處理和激活處理以生成權(quán)重向量；以及，以所述權(quán)重向量中各個位置的權(quán)重值分別對所述激活特征圖的各個特征矩陣進行加權(quán)以獲得生成特征圖；其中，所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的最后一層輸出的所述生成特征圖為所述未命中特征圖。
11.在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中，所述差分模塊，進一步用于：以如下公式計算所述命中特征圖和所述未命中特征圖之間的所述差分特征圖；其中，所述公式為：其中，表示所述命中特征圖，表示所述未命中特征圖，表示所述差分特征圖，表示按位置差分。
12.在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中，所述通道注意力模塊，包括：通道池化單元，用于將所述差分特征圖輸入所述通道注意力模塊的池化層以由所述池化層對所述差分特征圖的沿通道維度的各個特征矩陣進行全局均值池化以得到通道特征向量；權(quán)重化單元，用于將所述通道特征向量輸入所述通道注意力模塊的激活層以由所述激活層使用sigmoid激活函數(shù)對所述通道特征向量進行非線性激活以得到通道注意力權(quán)重向量；優(yōu)化單元，用于將所述通道注意力權(quán)重向量輸入所述通道注意力模塊的優(yōu)化層以由所述優(yōu)化層基于所述通道注意力權(quán)重向量的二范數(shù)對所述通道注意力權(quán)重向量中各個位置的特征值進行校正以得到校正后通道注意力權(quán)重向量；以及，施加單元，用于以所述校正后通道注意力權(quán)重向量中各個位置的特征值作為權(quán)重對所述差分特征圖的沿通道維度的各個特征矩陣進行加權(quán)以得到所述加強差分特征圖。
13.在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中，所述優(yōu)化單元，進一步用于：將所述通道注意力權(quán)重向量輸入所述通道注意力模塊的優(yōu)化層以由所述優(yōu)化層基于所述通道注意力權(quán)重向量的二范數(shù)以如下公式對所述通道注意力權(quán)重向量中各個位置
的特征值進行校正以得到所述校正后通道注意力權(quán)重向量；其中，所述公式為：其中表示所述通道注意力權(quán)重向量，表示所述通道注意力權(quán)重向量的自協(xié)方差矩陣，所述自協(xié)方差矩陣的每個位置的值是所述通道注意力權(quán)重向量的每兩個位置的特征值之間的方差，和分別表示所述通道注意力權(quán)重向量的全局均值和方差，表示所述通道注意力權(quán)重向量的二范數(shù)，和分別表示向量的按位置減法和加法，表示矩陣相乘，表示向量的指數(shù)運算，所述向量的指數(shù)運算表示計算以向量中各個位置的特征值為冪的自然指數(shù)函數(shù)值。
14.在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中，所述判斷模塊，進一步用于：使用所述分類器以如下公式對所述加強差分特征圖進行處理以生成分類結(jié)果，其中，所述公式為：，其中表示將所述加強差分特征圖投影為向量，至為各層全連接層的權(quán)重矩陣，至表示各層全連接層的偏置矩陣。
15.根據(jù)本技術(shù)的另一方面，提供了一種基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法，其包括：獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像；將所述第一靶機圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到命中特征圖；將所述第二靶機圖像通過作為特征提取器的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到未命中特征圖；計算所述命中特征圖和所述未命中特征圖之間的差分特征圖；將所述差分特征圖通過通道注意力模塊以得到加強差分特征圖；將所述加強差分特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示命中的環(huán)數(shù)是否超過九環(huán)；以及響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。
16.根據(jù)本技術(shù)的再一方面，提供了一種電子設(shè)備，包括：處理器；以及，存儲器，在所述存儲器中存儲有計算機程序指令，所述計算機程序指令在被所述處理器運行時使得所述處理器執(zhí)行如上所述的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法。
17.根據(jù)本技術(shù)的又一方面，提供了一種計算機可讀介質(zhì)，其上存儲有計算機程序指令，所述計算機程序指令在被處理器運行時使得所述處理器執(zhí)行如上所述的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法。
18.與現(xiàn)有技術(shù)相比，本技術(shù)提供的一種基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)及其方法，其具體地公開了一基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)及其方法，其通過其首先通過卷積神經(jīng)網(wǎng)絡(luò)來對于子彈命中靶機和子彈未命中靶機的圖像隱含特征分別進行針對性的特征挖掘以得到特征圖，再通過計算命中特征圖和所述未命中特征圖之間的差分特征圖表征出所述子彈是否命中靶機以及命中所述靶機中的幾環(huán)特征信息，其次，通過通道注意力機制進一步從差分特征圖中強化各關(guān)聯(lián)特征之間的相關(guān)性特征的提取，進而提高分類的準(zhǔn)確性。響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。
附圖說明
19.通過結(jié)合附圖對本技術(shù)實施例進行更詳細(xì)的描述，本技術(shù)的上述以及其他目的、特征和優(yōu)勢將變得更加明顯。附圖用來提供對本技術(shù)實施例的進一步理解，并且構(gòu)成說明書的一部分，與本技術(shù)實施例一起用于解釋本技術(shù)，并不構(gòu)成對本技術(shù)的限制。在附圖中，相同的參考標(biāo)號通常代表相同部件或步驟。
20.圖1圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)的應(yīng)用場景圖；圖2圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)的框圖；圖3圖示了圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)的系統(tǒng)架構(gòu)圖；圖4圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中第一卷積神經(jīng)網(wǎng)絡(luò)編碼過程的流程圖；圖5圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中通道注意力模塊的框圖；圖6圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法的流程圖；圖7圖示了根據(jù)本技術(shù)實施例的電子設(shè)備的框圖。
具體實施方式
21.下面，將參考附圖詳細(xì)地描述根據(jù)本技術(shù)的示例實施例。顯然，所描述的實施例僅僅是本技術(shù)的一部分實施例，而不是本技術(shù)的全部實施例，應(yīng)理解，本技術(shù)不受這里描述的示例實施例的限制。
22.場景概述為設(shè)計出一套涵蓋訓(xùn)練準(zhǔn)備、訓(xùn)練實施、訓(xùn)練講評全程的系統(tǒng)，大幅提高部隊訓(xùn)考的準(zhǔn)確性、公平性、便捷性，使部隊實彈射擊訓(xùn)練走進數(shù)字化時代。因此設(shè)計了一種訓(xùn)練課目編排方法，將課目分解成“基礎(chǔ)數(shù)據(jù)”、“器材數(shù)據(jù)”、成“績規(guī)則數(shù)據(jù)”3個部分，在訓(xùn)練準(zhǔn)備環(huán)節(jié)用戶將訓(xùn)練課目快速的編排進系統(tǒng)。在訓(xùn)練實施環(huán)節(jié)，全程由系統(tǒng)自動控制，組訓(xùn)人員僅需要在pad簡單的點擊一次按鈕就能順利組織一場訓(xùn)練。最后在訓(xùn)練講評環(huán)節(jié)，系統(tǒng)自動展示人員排名和訓(xùn)練成績，生成統(tǒng)計報表提供輔助分析。
23.首先，在訓(xùn)練準(zhǔn)備環(huán)節(jié)，將部隊訓(xùn)練或考核大綱課目編入系統(tǒng)，用戶也可根據(jù)自身條件設(shè)置自定義課目。
24.相應(yīng)地，設(shè)計了一種器材數(shù)據(jù)編排方法，先選取在訓(xùn)練場上所需的訓(xùn)練器材，分別給每個器材賦予初始屬性，如狀態(tài)、動作、對應(yīng)械數(shù)據(jù)等。接下來給每個器材配置最核心的動作控制數(shù)據(jù)，即系統(tǒng)如何替代人員去遙控操作每個訓(xùn)練器材。以靶機這種訓(xùn)練器材為例，控制數(shù)據(jù)中包含的動作有：“起靶”、“倒靶”、“顯靶”、“隱靶”、“搖擺晃動”。選擇動作后配置動作將何時開始，以及動作的觸發(fā)條件，比如選擇感應(yīng)設(shè)備觸發(fā)，將一個紅外傳感器綁定在這個靶機上，隊員走到對應(yīng)紅外所在位置后觸發(fā)。觸發(fā)條件包含“器材觸發(fā)”、“定時觸發(fā)”、“按鈕觸發(fā)”，編排邏輯直觀，部隊可快速配置。
25.具體地，我們還在觸發(fā)的條件中引入聯(lián)動目標(biāo)觸發(fā)算法，比如1號靶機命中9環(huán)及以上，2號靶機起靶。當(dāng)系統(tǒng)收到1號靶機的命中信號后，迅速解析并比對課目中的條件，滿足條件后執(zhí)行控制指令，上述信號傳遞、解析、執(zhí)行過程總計不超過20ms。又比如1號、2號靶機命中全部頭部后，3號靶機開始搖擺，可以將訓(xùn)練器材按條件靈活組合，給客戶很大的訓(xùn)練自由空間。
26.此外，系統(tǒng)加入了延遲觸發(fā)，如人員到達(dá)紅外線傳感器1號后1號靶機延遲5秒后起靶。當(dāng)系統(tǒng)收到紅外線傳感器1號的觸發(fā)信號后，解析滿足課目預(yù)先設(shè)置的觸發(fā)條件，會將控制指令（起靶）和執(zhí)行時間的數(shù)據(jù)同時發(fā)給1號靶機，信號暫存在靶機中，5秒后靶機控制自身起靶。這里依賴了靶機自身的計算能力，服務(wù)器提前將控制信號用無線的方式發(fā)送給靶機，當(dāng)由于信號弱等原因?qū)е聜鬟f失敗時進行重發(fā)，確保控制順暢。我們還給用戶提供了條件串聯(lián)或并聯(lián)的選項，用于設(shè)置多個觸發(fā)條件，并選擇是“滿足任意條件就觸發(fā)”，或者是“所有條件全部滿足后觸發(fā)”。最后，設(shè)置成績評判規(guī)則，為了覆蓋部隊使用的各類場景，系統(tǒng)提供3種成績計算方式，分別為“計時評定”、“計分評定”、“等級評定”。
27.在本技術(shù)的一個具體方案中，計時評定是以課目使用時間為基準(zhǔn)，隊員在訓(xùn)練中每命中目標(biāo)都會對應(yīng)扣減或增加時間，具體的規(guī)則中包含命中數(shù)量、部位、上限等等因素，最終計算出課目完成時間，時間越短成績越好。這種計分方式在日常訓(xùn)練和比武考核中都會用到。計分評定是將所有成績內(nèi)容折算成分?jǐn)?shù)，所有分?jǐn)?shù)累加得到最終分?jǐn)?shù)，分?jǐn)?shù)約高成績越好。這種計分方式通常在比武考核中使用。等級評定是部隊訓(xùn)練大綱中規(guī)定的評定標(biāo)準(zhǔn)，將成績內(nèi)容分檔位設(shè)置成具體的標(biāo)準(zhǔn)。這種計分方式在大綱課目的日常訓(xùn)練中使用。
28.應(yīng)可以理解，課目編排的本質(zhì)，就是提供一個通用的編排平臺，用戶可以快速將已有大綱中的訓(xùn)練內(nèi)容搬到系統(tǒng)中，也可以借助系統(tǒng)強大的計算能力，設(shè)置出以往通過人力無法實施的更為復(fù)雜的戰(zhàn)術(shù)訓(xùn)練內(nèi)容。
29.其次，在訓(xùn)練實施環(huán)節(jié)，選取參訓(xùn)隊員和課目后，系統(tǒng)按預(yù)設(shè)條件快速完成器材歸位，自動控制訓(xùn)練過程，簡化保障工作流程。如：課目中布置了10臺靶機，初始狀態(tài)為1-5號倒下，6-10號隱靶，在上一組隊員訓(xùn)練完畢后，只需要點擊歸位按鈕，所有的靶機將自動按初始狀態(tài)歸位。
30.訓(xùn)練過程中，系統(tǒng)實時采集訓(xùn)練器材數(shù)據(jù)，經(jīng)過處理后展示在終端，用戶可多角度掌握訓(xùn)練實況。自動計算隊員和單位成績，確保訓(xùn)考公平公正。如：在某室內(nèi)cqb射擊課目訓(xùn)練中，在進門位置擺設(shè)紅外傳感器，按系統(tǒng)預(yù)設(shè)條件，隊員破門而入時觸發(fā)桌子下方隱藏的靶機起靶，隊員快速命中1、2號靶機，命中信號通過無線發(fā)送到服務(wù)器，服務(wù)器解析后將搖擺命令通過無線發(fā)送到3號靶機，觸發(fā)柜子后的隱藏的3號靶機搖擺探頭。過程中所有的動作不需要人為遙控，按照之前課目編排的規(guī)則自動完成，并且記錄下觸發(fā)時間、起靶時間、命中時間、命中位置等訓(xùn)練中產(chǎn)生的各類數(shù)據(jù)。
31.特別值得一提的是，在部隊訓(xùn)練中只需要使用系統(tǒng)配套的靶機設(shè)備，即可完成訓(xùn)練內(nèi)容自動控制。如果進一步選用系統(tǒng)配套的靶標(biāo)（帶自動報靶傳感器），就可進一步自動采集和計算成績，這是全自動模式。部隊也可使用傳統(tǒng)紙質(zhì)靶標(biāo)（不帶傳感器），低成本使用系統(tǒng)進行訓(xùn)練，系統(tǒng)提供人工驗靶錄入功能，這是半自動模式。
32.最后，在訓(xùn)練講評環(huán)節(jié)，采取多維度的統(tǒng)計分析方法對訓(xùn)練數(shù)據(jù)進行分析，最大化的開發(fā)出數(shù)字訓(xùn)練的特長。比如，我們提供了中央看板模塊，可以看到課目日程安排、參賽
參訓(xùn)人員列表，個人和單位的成績排行榜。這些數(shù)據(jù)都是實時的：隊員邊開，數(shù)據(jù)邊變化。
33.具體地，通過大數(shù)據(jù)分析功能的數(shù)據(jù)圖表，用戶可以從多角度切入分析各類 業(yè)務(wù)，基于這些訓(xùn)練競賽數(shù)據(jù)，為部隊考核評優(yōu)和人員遴選提供客觀依據(jù)。舉 個例子：在人員遴選中，單位需要選出一名突擊手遂行某任務(wù)，即，可以在系 統(tǒng)中的數(shù)據(jù)分析功能中對隊員進行初篩，選取需要的人員范圍，如身高等，然 后對比候選人的日常訓(xùn)練情況，根據(jù)任務(wù)特點有針對性的進行輔助決策。
34.基于此，本技術(shù)發(fā)明人發(fā)現(xiàn)針對于聯(lián)動靶機觸發(fā)的條件，本質(zhì)上可以將判定條件轉(zhuǎn)化為分類的問題，也就是，對于命中的環(huán)數(shù)大于等于9環(huán)或者命中的環(huán)數(shù)小于9環(huán)的結(jié)果進行判斷分類。本技術(shù)發(fā)明人還考慮到由于訓(xùn)練者可能有命中靶機和不命中靶機兩者可能，因此，在本技術(shù)的技術(shù)方案中，在對于命中的環(huán)數(shù)進行分類判斷時，首先需要對于子彈命中靶機和子彈未命中靶機的圖像隱含特征分別進行針對性的特征挖掘，以在區(qū)分所述子彈是否命中靶機的基礎(chǔ)上準(zhǔn)確地判斷出命中的環(huán)數(shù)。這樣，能在響應(yīng)于命中的環(huán)數(shù)大于等于9環(huán)時，生成針對于另一靶機的起靶指令。
35.具體地，在本技術(shù)的技術(shù)方案中，首先，通過攝像頭獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像。然后，使用在圖像的局部隱含特征提取方面具有優(yōu)異表現(xiàn)的卷積神經(jīng)網(wǎng)絡(luò)模型來對所述第一靶機圖像進行深層特征挖掘，考慮到針對于所述子彈命中的靶機的第一靶機圖像需要更加聚焦于所述子彈命中于所述靶機的環(huán)數(shù)，因此，進一步使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型來對所述第一靶機圖像進行處理，以提取出所述第一靶機圖像中的局部特征在高維空間中的特征分布表示，從而得到命中特征圖。
36.接著，對于所述未命中子彈的靶機的第二靶機圖像，將其通過作為特征提取器的第二卷積神經(jīng)網(wǎng)絡(luò)模型中進行特征提取，以提取出所述第二靶機圖像中的局部隱含特征信息，從而得到未命中特征圖。
37.進一步地，計算所述命中特征圖和所述未命中特征圖之間的差分特征圖，以更加聚焦于兩個特征圖之間的差異性特征，進而表征出所述子彈是否命中靶機以及命中所述靶機中的幾環(huán)特征信息。
38.應(yīng)可以理解，在本技術(shù)的技術(shù)方案中，通過使用空間注意力機制的第一卷積神經(jīng)網(wǎng)絡(luò)得到了命中特征圖，從而強化了圖像的像素語義關(guān)聯(lián)特征的提取，因此，期望通過通道注意力機制進一步從差分特征圖中強化各關(guān)聯(lián)特征之間的相關(guān)性特征的提取。
39.相應(yīng)地，由于通道注意力的加權(quán)系數(shù)是對于沿通道排列的每個特征矩陣進行全局均值池化得到的，如果所述通道注意力的加權(quán)系數(shù)的分布能夠與所述差分特征圖沿通道方向的分布具有一致性，則可以提高通道注意力的效果。
40.因此，將所述通道注意力的加權(quán)系數(shù)排列為通道注意力權(quán)重向量，例如記為，并對其進行優(yōu)化，表示為：對其進行優(yōu)化，表示為：是通道注意力權(quán)重向量的自協(xié)方差矩陣，即矩陣的每個位置的值是通道注意力權(quán)重向量的每兩個位置的特征值之間的方差，和分別是通道注意力權(quán)重向量的
全局均值和方差，表示通道注意力權(quán)重向量的二范數(shù)。
41.這里，針對通過所述通道注意力權(quán)重向量是基于所述差分特征圖的下采樣的特征矩陣的全局均值池化得到的，通過可學(xué)習(xí)的正態(tài)采樣偏移引導(dǎo)特征工程來有效地建模所述通道注意力權(quán)重向量與所述差分特征圖的與池化維度無關(guān)的長程依賴關(guān)系，以使得通道注意力權(quán)重向量的分布與所述差分特征圖的通道維度的分布保持一致。另外，通過所述通道注意力權(quán)重向量的特征集合的分布統(tǒng)計特征，可以修復(fù)所述通道注意力權(quán)重向量的各位置的局部和非局部鄰域的相關(guān)性，以進一步強化從差分特征圖中的通道方向上的相關(guān)性特征的提取，進而提高分類的準(zhǔn)確性。
42.然后，在將所述校正后通道注意力權(quán)重向量中各個位置的特征值作為權(quán)重對所述差分特征圖的沿通道維度的各個特征矩陣進行加權(quán)后，進一步再將加權(quán)后的差分特征圖通過分類器以得到用于表示命中的環(huán)數(shù)是否超過九環(huán)的分類結(jié)果。特別地，在本技術(shù)的一個具體示例中，響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。這樣，就能夠進行自動化控制，大幅度提高部隊訓(xùn)考的準(zhǔn)確性、公平性、便捷性。
43.基于此，本技術(shù)提出了一種基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)，其包括：圖像采集模塊，用于獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像；命中圖編碼模塊，用于將所述第一靶機圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到命中特征圖；靶機原圖編碼模塊，用于將所述第二靶機圖像通過作為特征提取器的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到未命中特征圖；差分模塊，用于計算所述命中特征圖和所述未命中特征圖之間的差分特征圖；通道注意力模塊，用于將所述差分特征圖通過通道注意力模塊以得到加強差分特征圖；判斷模塊，用于將所述加強差分特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示命中的環(huán)數(shù)是否超過九環(huán)；以及，自動控制結(jié)果生成模塊，用于響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。
44.圖1圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)的應(yīng)用場景圖。如圖1所示，在該應(yīng)用場景中，通過攝像頭（例如，圖1中的c）獲取子彈命中的靶機的第一靶機圖像（例如，圖1中的i1）和未命中子彈的靶機的第二靶機圖像（例如，圖1中的i2），將所述獲取到的子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像輸入至部署有用于基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)的服務(wù)器（例如，圖1中的s）中，其中，所述服務(wù)器能夠以所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制算法對所述獲取到的子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像進行處理，以生成另一靶機的起靶指令的自動控制結(jié)果。
45.在介紹了本技術(shù)的基本原理之后，下面將參考附圖來具體介紹本技術(shù)的各種非限制性實施例。
46.示例性系統(tǒng)圖2圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)的框圖。如圖2所示，根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300，包括：圖像采集模塊310；命中圖編碼模塊320；靶機原圖編碼模塊330；差分模塊340；通道注意力模塊350；判斷模塊360，以及，自動控制結(jié)果生成模塊370。
47.其中，所述圖像采集模塊310，用于獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像；所述命中圖編碼模塊320，用于將所述第一靶機圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到命中特征圖；所述靶機原圖編碼模塊330，用于將所述第二靶機圖像通過作為特征提取器的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到未命中特征圖；所述差分模塊340，用于計算所述命中特征圖和所述未命中特征圖之間的差分特征圖；所述通道注意力模塊350，用于將所述差分特征圖通過通道注意力模塊以得到加強差分特征圖；所述判斷模塊360，用于將所述加強差分特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示命中的環(huán)數(shù)是否超過九環(huán)；以及，所述自動控制結(jié)果生成模塊370，用于響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。
48.圖3圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的系統(tǒng)架構(gòu)圖。如圖3所示，在所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的系統(tǒng)架構(gòu)中，首先通過所述圖像采集模塊310獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像；然后，所述命中圖編碼模塊320將所述圖像采集模塊310獲取的第一靶機圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到命中特征圖；所述靶機原圖編碼模塊330將所述圖像采集模塊310獲取的第二靶機圖像通過作為特征提取器的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到未命中特征圖；接著，所述差分模塊340計算所述命中特征圖和所述未命中特征圖之間的差分特征圖；同時，所述通道注意力模塊350將所述差分模塊340得到的差分特征圖通過通道注意力模塊以得到加強差分特征圖；所述判斷模塊360將所述加強差分特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示命中的環(huán)數(shù)是否超過九環(huán)；進而，所述自動控制結(jié)果生成模塊370，用于響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。
49.具體地，在所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的運行過程中，所述圖像采集模塊310，用于獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像。本技術(shù)發(fā)明人還考慮到由于訓(xùn)練者可能有命中靶機和不命中靶機兩者可能，因此，在本技術(shù)的技術(shù)方案中，在對于命中的環(huán)數(shù)進行分類判斷時，首先需要對于子彈命中靶機和子彈未命中靶機的圖像隱含特征分別進行針對性的特征挖掘，以在區(qū)分所述子彈是否命中靶機的基礎(chǔ)上準(zhǔn)確地判斷出命中的環(huán)數(shù)。這樣，能在響應(yīng)于命中的環(huán)數(shù)大于等于9環(huán)時，生成針對于另一靶機的起靶指令。具體地，在本技術(shù)的技術(shù)方案中，首先，通過攝像頭獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像。
50.具體地，在所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的運行過程中，所述命中圖編碼模塊320，用于將所述第一靶機圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到命中特征圖。考慮到針對于所述子彈命中的靶機的第一靶機圖像需要更加聚焦于所述子彈命中于所述靶機的環(huán)數(shù)，因此，進一步使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型來對所述第一靶機圖像進行處理，以提取出所述第一靶機圖像中的局部特征在高維空間中的特征分布表示，從而得到命中特征圖。在本技術(shù)的一個具體事例中，使用在圖像的局部隱含特征提取方面具有優(yōu)異表現(xiàn)的卷積神經(jīng)網(wǎng)絡(luò)模型來對所述第一靶機圖像進行深層特征挖掘。以在區(qū)分所述子彈是否命中靶機的基礎(chǔ)上準(zhǔn)確地判斷出命中的環(huán)數(shù)。
51.圖4圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中第一卷積神經(jīng)網(wǎng)絡(luò)編碼過程的流程圖。如圖4所示，在所述第一卷積神經(jīng)網(wǎng)絡(luò)編碼過程
中，包括：s210，對所述輸入數(shù)據(jù)進行基于二維卷積核的卷積處理以生成卷積特征圖；s220，對所述卷積特征圖進行池化處理以生成池化特征圖；s230，對所述池化特征圖進行激活處理以生成激活特征圖；s240對所述激活特征圖進行沿通道維度的全局平均池化以獲得空間特征矩陣；s250，對所述空間特征矩陣進行卷積處理和激活處理以生成權(quán)重向量；以及，s260，以所述權(quán)重向量中各個位置的權(quán)重值分別對所述激活特征圖的各個特征矩陣進行加權(quán)以獲得生成特征圖；其中，所述第一卷積神經(jīng)網(wǎng)絡(luò)模型的最后一層輸出的所述生成特征圖為所述命中特征圖。
52.具體地，在所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的運行過程中，所述靶機原圖編碼模塊330，用于將所述第二靶機圖像通過作為特征提取器的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到未命中特征圖。應(yīng)可以理解，在本技術(shù)的技術(shù)方案中，所述靶機原圖編碼模塊，進一步用于：使用所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的各層在層的正向傳遞中對輸入數(shù)據(jù)進行：對所述輸入數(shù)據(jù)進行基于二維卷積核的卷積處理以生成卷積特征圖；對所述卷積特征圖進行池化處理以生成池化特征圖；對所述池化特征圖進行激活處理以生成激活特征圖；對所述激活特征圖進行沿通道維度的全局平均池化以獲得空間特征矩陣；對所述空間特征矩陣進行卷積處理和激活處理以生成權(quán)重向量；以及，以所述權(quán)重向量中各個位置的權(quán)重值分別對所述激活特征圖的各個特征矩陣進行加權(quán)以獲得生成特征圖；其中，所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的最后一層輸出的所述生成特征圖為所述未命中特征圖。
53.具體地，在所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的運行過程中，所述差分模塊340，用于計算所述命中特征圖和所述未命中特征圖之間的差分特征圖。應(yīng)可以理解，應(yīng)可以理解，在本技術(shù)的技術(shù)方案中，通過使用空間注意力機制的第一卷積神經(jīng)網(wǎng)絡(luò)得到了命中特征圖，從而強化了圖像的像素語義關(guān)聯(lián)特征的提取，因此，期望通過通道注意力機制進一步從差分特征圖中強化各關(guān)聯(lián)特征之間的相關(guān)性特征的提取。計算所述命中特征圖和所述未命中特征圖之間的差分特征圖，以更加聚焦于兩個特征圖之間的差異性特征，進而表征出所述子彈是否命中靶機以及命中所述靶機中的幾環(huán)特征信息。
54.在本技術(shù)的技術(shù)方案中，所述差分模塊，進一步用于：以如下公式計算所述命中特征圖和所述未命中特征圖之間的所述差分特征圖；其中，所述公式為：其中，表示所述命中特征圖，表示所述未命中特征圖，表示所述差分特征圖，表示按位置差分。
55.具體地，在所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的運行過程中，所述通道注意力模塊350,用于將所述差分特征圖通過通道注意力模塊以得到加強差分特征圖。相應(yīng)地，由于通道注意力的加權(quán)系數(shù)是對于沿通道排列的每個特征矩陣進行全局均值池化得到的，如果所述通道注意力的加權(quán)系數(shù)的分布能夠與所述差分特征圖沿通道方向的分布具有一致性，則可以提高通道注意力的效果。
56.這里，針對通過所述通道注意力權(quán)重向量是基于所述差分特征圖的下采樣的特征矩陣的全局均值池化得到的，通過可學(xué)習(xí)的正態(tài)采樣偏移引導(dǎo)特征工程來有效地建模所述通道注意力權(quán)重向量與所述差分特征圖的與池化維度無關(guān)的長程依賴關(guān)系，以使得通道
注意力權(quán)重向量的分布與所述差分特征圖的通道維度的分布保持一致。另外，通過所述通道注意力權(quán)重向量的特征集合的分布統(tǒng)計特征，可以修復(fù)所述通道注意力權(quán)重向量的各位置的局部和非局部鄰域的相關(guān)性，以進一步強化從差分特征圖中的通道方向上的相關(guān)性特征的提取，進而提高分類的準(zhǔn)確性。
57.圖5圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中通道注意力模塊350的框圖。如圖5所示，所述注意力模塊，包括：通道池化單元351，用于將所述差分特征圖輸入所述通道注意力模塊的池化層以由所述池化層對所述差分特征圖的沿通道維度的各個特征矩陣進行全局均值池化以得到通道特征向量；權(quán)重化單元352，用于將所述通道特征向量輸入所述通道注意力模塊的激活層以由所述激活層使用sigmoid激活函數(shù)對所述通道特征向量進行非線性激活以得到通道注意力權(quán)重向量；優(yōu)化單元353，用于將所述通道注意力權(quán)重向量輸入所述通道注意力模塊的優(yōu)化層以由所述優(yōu)化層基于所述通道注意力權(quán)重向量的二范數(shù)對所述通道注意力權(quán)重向量中各個位置的特征值進行校正以得到校正后通道注意力權(quán)重向量；以及，施加單元354，用于以所述校正后通道注意力權(quán)重向量中各個位置的特征值作為權(quán)重對所述差分特征圖的沿通道維度的各個特征矩陣進行加權(quán)以得到所述加強差分特征圖。
58.更具體地，所述優(yōu)化單元，進一步用于：將所述通道注意力權(quán)重向量輸入所述通道注意力模塊的優(yōu)化層以由所述優(yōu)化層基于所述通道注意力權(quán)重向量的二范數(shù)以如下公式對所述通道注意力權(quán)重向量中各個位置的特征值進行校正以得到所述校正后通道注意力權(quán)重向量；其中，所述公式為：其中表示所述通道注意力權(quán)重向量，表示所述通道注意力權(quán)重向量的自協(xié)方差矩陣，所述自協(xié)方差矩陣的每個位置的值是所述通道注意力權(quán)重向量的每兩個位置的特征值之間的方差，和分別表示所述通道注意力權(quán)重向量的全局均值和方差，表示所述通道注意力權(quán)重向量的二范數(shù)，和分別表示向量的按位置減法和加法，表示矩陣相乘，表示向量的指數(shù)運算，所述向量的指數(shù)運算表示計算以向量中各個位置的特征值為冪的自然指數(shù)函數(shù)值。
59.具體地，在所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的運行過程中，所述判斷模塊360，用于將所述加強差分特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示命中的環(huán)數(shù)是否超過九環(huán)。所述判斷模塊，進一步用于：使用所述分類器以如下公式對所述加強差分特征圖進行處理以生成分類結(jié)果，其中，所述公式為：，其中表示將所述加強差分特征圖投影為向量，至為各層全連接層的權(quán)重矩陣，至表示各層全連接層的偏置矩陣。
60.具體地，在所述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300的運行過程中，所述自動控制結(jié)果生成模塊370，用于響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。在本技術(shù)的一個具體示例中，響應(yīng)于所述分類結(jié)果為命中
的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。這樣，就能夠進行自動化控制，大幅度提高部隊訓(xùn)考的準(zhǔn)確性、公平性、便捷性。
61.綜上，根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300被闡明，其首先通過卷積神經(jīng)網(wǎng)絡(luò)來對于子彈命中靶機和子彈未命中靶機的圖像隱含特征分別進行針對性的特征挖掘以得到特征圖，再通過計算命中特征圖和所述未命中特征圖之間的差分特征圖表征出所述子彈是否命中靶機以及命中所述靶機中的幾環(huán)特征信息，其次，通過通道注意力機制進一步從差分特征圖中強化各關(guān)聯(lián)特征之間的相關(guān)性特征的提取，進而提高分類的準(zhǔn)確性。響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。這樣，就能夠進行自動化控制，大幅度提高部隊訓(xùn)考的準(zhǔn)確性、公平性、便捷性。
62.如上所述，根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)可以實現(xiàn)在各種終端設(shè)備中。在一個示例中，根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300可以作為一個軟件模塊和/或硬件模塊而集成到終端設(shè)備中。例如，該基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300可以是該終端設(shè)備的操作系統(tǒng)中的一個軟件模塊，或者可以是針對于該終端設(shè)備所開發(fā)的一個應(yīng)用程序；當(dāng)然，該基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300同樣可以是該終端設(shè)備的眾多硬件模塊之一。
63.替換地，在另一示例中，該基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300與該終端設(shè)備也可以是分立的設(shè)備，并且該基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)300可以通過有線和/或無線網(wǎng)絡(luò)連接到該終端設(shè)備，并且按照約定的數(shù)據(jù)格式來傳輸交互信息。
64.示例性方法圖6圖示了根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法的流程圖。如圖6所示，根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法，包括步驟：s110，獲取子彈命中的靶機的第一靶機圖像和未命中子彈的靶機的第二靶機圖像；s120，將所述第一靶機圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到命中特征圖；s130，將所述第二靶機圖像通過作為特征提取器的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到未命中特征圖；s140，計算所述命中特征圖和所述未命中特征圖之間的差分特征圖；s150，將所述差分特征圖通過通道注意力模塊以得到加強差分特征圖；s160，將所述加強差分特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示命中的環(huán)數(shù)是否超過九環(huán)；以及，s170，響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。
65.在一個示例中，在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法中，所述步驟s120，包括：使用所述第一卷積神經(jīng)網(wǎng)絡(luò)模型的各層在層的正向傳遞中對輸入數(shù)據(jù)進行：對所述輸入數(shù)據(jù)進行基于二維卷積核的卷積處理以生成卷積特征圖；對所述卷積特征圖進行池化處理以生成池化特征圖；對所述池化特征圖進行激活處理以生成激活特征圖；對所述激活特征圖進行沿通道維度的全局平均池化以獲得空間特征矩陣；對所述空間特征矩陣進行卷積處理和激活處理以生成權(quán)重向量；以及，以所述權(quán)重向量中各個位置的權(quán)重值分別對所述激活特征圖的各個特征矩陣進行加權(quán)以獲得生成特征圖；其中，所述第一卷
積神經(jīng)網(wǎng)絡(luò)模型的最后一層輸出的所述生成特征圖為所述命中特征圖。
66.在一個示例中，在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法中，所述步驟130，包括：使用所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的各層在層的正向傳遞中對輸入數(shù)據(jù)進行：對所述輸入數(shù)據(jù)進行基于二維卷積核的卷積處理以生成卷積特征圖；對所述卷積特征圖進行池化處理以生成池化特征圖；對所述池化特征圖進行激活處理以生成激活特征圖；對所述激活特征圖進行沿通道維度的全局平均池化以獲得空間特征矩陣；對所述空間特征矩陣進行卷積處理和激活處理以生成權(quán)重向量；以及，以所述權(quán)重向量中各個位置的權(quán)重值分別對所述激活特征圖的各個特征矩陣進行加權(quán)以獲得生成特征圖；其中，所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的最后一層輸出的所述生成特征圖為所述未命中特征圖。
67.在一個示例中，在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法中，所述步驟140，以如下公式計算所述命中特征圖和所述未命中特征圖之間的所述差分特征圖；其中，所述公式為：其中，表示所述命中特征圖，表示所述未命中特征圖，表示所述差分特征圖，表示按位置差分。
68.在一個示例中，在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法中，所述步驟150，包括：將所述差分特征圖輸入所述通道注意力模塊的池化層以由所述池化層對所述差分特征圖的沿通道維度的各個特征矩陣進行全局均值池化以得到通道特征向量；將所述通道特征向量輸入所述通道注意力模塊的激活層以由所述激活層使用sigmoid激活函數(shù)對所述通道特征向量進行非線性激活以得到通道注意力權(quán)重向量；將所述通道注意力權(quán)重向量輸入所述通道注意力模塊的優(yōu)化層以由所述優(yōu)化層基于所述通道注意力權(quán)重向量的二范數(shù)對所述通道注意力權(quán)重向量中各個位置的特征值進行校正以得到校正后通道注意力權(quán)重向量；以及，以所述校正后通道注意力權(quán)重向量中各個位置的特征值作為權(quán)重對所述差分特征圖的沿通道維度的各個特征矩陣進行加權(quán)以得到所述加強差分特征圖。
69.在一個示例中，在上述基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法中，所述步驟160，使用所述分類器以如下公式對所述加強差分特征圖進行處理以生成分類結(jié)果，其中，所述公式為：，其中表示將所述加強差分特征圖投影為向量，至為各層全連接層的權(quán)重矩陣，至表示各層全連接層的偏置矩陣。
[0070] 綜上，根據(jù)本技術(shù)實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法被闡明，其通過其首先通過卷積神經(jīng)網(wǎng)絡(luò)來對于子彈命中靶機和子彈未命中靶機的圖像隱含特征分別進行針對性的特征挖掘以得到特征圖，再通過計算命中特征圖和所述未命中特征圖之間的差分特征圖表征出所述子彈是否命中靶機以及命中所述靶機中的幾環(huán)特征信息，其次，通過通道注意力機制進一步從差分特征圖中強化各關(guān)聯(lián)特征之間的相關(guān)性特征的提取，進而提高分類的準(zhǔn)確性。響應(yīng)于所述分類結(jié)果為命中的環(huán)數(shù)超過九環(huán)，生成針對于另一靶機的起靶指令。
[0071]
示例性電子設(shè)備下面，參考圖7來描述根據(jù)本技術(shù)實施例的電子設(shè)備。
[0072]
圖7圖示了根據(jù)本技術(shù)實施例的電子設(shè)備的框圖。
[0073]
如圖7所示，電子設(shè)備10包括一個或多個處理器11和存儲器12。
[0074]
處理器11可以是中央處理單元（cpu）或者具有數(shù)據(jù)處理能力和/或指令執(zhí)行能力的其他形式的處理單元，并且可以控制電子設(shè)備10中的其他組件以執(zhí)行期望的功能。
[0075]
存儲器12可以包括一個或多個計算機程序產(chǎn)品，所述計算機程序產(chǎn)品可以包括各種形式的計算機可讀存儲介質(zhì)，例如易失性存儲器和/或非易失性存儲器。所述易失性存儲器例如可以包括隨機存取存儲器（ram）和/或高速緩沖存儲器（cache）等。所述非易失性存儲器例如可以包括只讀存儲器（rom）、硬盤、閃存等。在所述計算機可讀存儲介質(zhì)上可以存儲一個或多個計算機程序指令，處理器11可以運行所述程序指令，以實現(xiàn)上文所述的本技術(shù)的各個實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制系統(tǒng)中的功能以及/或者其他期望的功能。在所述計算機可讀存儲介質(zhì)中還可以存儲諸如命中特征圖等各種內(nèi)容。
[0076]
在一個示例中，電子設(shè)備10還可以包括：輸入裝置13和輸出裝置14，這些組件通過總線系統(tǒng)和/或其他形式的連接機構(gòu)（未示出）互連。
[0077]
該輸入裝置13可以包括例如鍵盤、鼠標(biāo)等等。
[0078]
該輸出裝置14可以向外部輸出各種信息，包括分類結(jié)果等。該輸出裝置14可以包括例如顯示器、揚聲器、打印機、以及通信網(wǎng)絡(luò)及其所連接的遠(yuǎn)程輸出設(shè)備等等。
[0079]
當(dāng)然，為了簡化，圖7中僅示出了該電子設(shè)備10中與本技術(shù)有關(guān)的組件中的一些，省略了諸如總線、輸入/輸出接口等等的組件。除此之外，根據(jù)具體應(yīng)用情況，電子設(shè)備10還可以包括任何其他適當(dāng)?shù)慕M件。
[0080]
示例性計算機程序產(chǎn)品和計算機可讀存儲介質(zhì)除了上述方法和設(shè)備以外，本技術(shù)的實施例還可以是計算機程序產(chǎn)品，其包括計算機程序指令，所述計算機程序指令在被處理器運行時使得所述處理器執(zhí)行本說明書上述“示例性系統(tǒng)”部分中描述的根據(jù)本技術(shù)各種實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法中的功能中的步驟。
[0081]
所述計算機程序產(chǎn)品可以以一種或多種程序設(shè)計語言的任意組合來編寫用于執(zhí)行本技術(shù)實施例操作的程序代碼，所述程序設(shè)計語言包括面向?qū)ο蟮某绦蛟O(shè)計語言，諸如java、c++等，還包括常規(guī)的過程式程序設(shè)計語言，諸如“c”語言或類似的程序設(shè)計語言。程序代碼可以完全地在用戶計算設(shè)備上執(zhí)行、部分地在用戶設(shè)備上執(zhí)行、作為一個獨立的軟件包執(zhí)行、部分在用戶計算設(shè)備上部分在遠(yuǎn)程計算設(shè)備上執(zhí)行、或者完全在遠(yuǎn)程計算設(shè)備或服務(wù)器上執(zhí)行。
[0082]
此外，本技術(shù)的實施例還可以是計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，所述計算機程序指令在被處理器運行時使得所述處理器執(zhí)行本說明書上述“示例性系統(tǒng)”部分中描述的根據(jù)本技術(shù)各種實施例的基于物聯(lián)網(wǎng)的輕武器實彈射擊訓(xùn)練自動控制方法中的功能中的步驟。
[0083]
所述計算機可讀存儲介質(zhì)可以采用一個或多個可讀介質(zhì)的任意組合。可讀介質(zhì)可以是可讀信號介質(zhì)或者可讀存儲介質(zhì)。可讀存儲介質(zhì)例如可以包括但不限于電、磁、光、電磁、紅外線、或半導(dǎo)體的系統(tǒng)、裝置或器件，或者任意以上的組合。可讀存儲介質(zhì)的更具體的
例子（非窮舉的列表）包括：具有一個或多個導(dǎo)線的電連接、便攜式盤、硬盤、隨機存取存儲器（ram）、只讀存儲器（rom）、可擦式可編程只讀存儲器（eprom或閃存）、光纖、便攜式緊湊盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。
[0084]
以上結(jié)合具體實施例描述了本技術(shù)的基本原理，但是，需要指出的是，在本技術(shù)中提及的優(yōu)點、優(yōu)勢、效果等僅是示例而非限制，不能認(rèn)為這些優(yōu)點、優(yōu)勢、效果等是本技術(shù)的各個實施例必須具備的。另外，上述公開的具體細(xì)節(jié)僅是為了示例的作用和便于理解的作用，而非限制，上述細(xì)節(jié)并不限制本技術(shù)為必須采用上述具體的細(xì)節(jié)來實現(xiàn)。
[0085]
本技術(shù)中涉及的器件、裝置、設(shè)備、系統(tǒng)的方框圖僅作為例示性的例子并且不意圖要求或暗示必須按照方框圖示出的方式進行連接、布置、配置。如本領(lǐng)域技術(shù)人員將認(rèn)識到的，可以按任意方式連接、布置、配置這些器件、裝置、設(shè)備、系統(tǒng)。諸如“包括”、“包含”、“具有”等等的詞語是開放性詞匯，指“包括但不限于”，且可與其互換使用。這里所使用的詞匯“或”和“和”指詞匯“和/或”，且可與其互換使用，除非上下文明確指示不是如此。這里所使用的詞匯“諸如”指詞組“諸如但不限于”，且可與其互換使用。
[0086]
還需要指出的是，在本技術(shù)的裝置、設(shè)備和方法中，各部件或各步驟是可以分解和/或重新組合的。這些分解和/或重新組合應(yīng)視為本技術(shù)的等效方案。
[0087]
提供所公開的方面的以上描述以使本領(lǐng)域的任何技術(shù)人員能夠做出或者使用本技術(shù)。對這些方面的各種修改對于本領(lǐng)域技術(shù)人員而言是非常顯而易見的，并且在此定義的一般原理可以應(yīng)用于其他方面而不脫離本技術(shù)的范圍。因此，本技術(shù)不意圖被限制到在此示出的方面，而是按照與在此公開的原理和新穎的特征一致的最寬范圍。
[0088]
為了例示和描述的目的已經(jīng)給出了以上描述。此外，此描述不意圖將本技術(shù)的實施例限制到在此公開的形式。盡管以上已經(jīng)討論了多個示例方面和實施例，但是本領(lǐng)域技術(shù)人員將認(rèn)識到其某些變型、修改、改變、添加和子組合。
