XiaoMi-AI文件搜索系统
World File Search SystemGEOINT
GEOINT 社区及其他领域的人工智能和机器学习 (AI/ML) 现状
1.确保高管领导层使用全面的沟通计划来强调对 GEOINT 工作流程、分析技巧和分析师培训中的流程和技术的 AI/ML 现代化的支持。2.为 GEOINT 分析师和员工创建一个未分类的 AI/ML 培训管道，重点关注如何查找和加载图像、创建和管理计算机视觉模型以及评估模型性能。3.提供未分类的（影响级别 2）AI/ML 测试平台环境，该环境存储在混合云环境中 - 包括本地和云中。如今，对于分析师来说，找到未分类的图像、将该内容加载到开发测试平台、添加图像分类器以及训练和测试模型是一项挑战。随着自动图像标记、张量处理单元 (TPU) 等强大芯片以及主要云提供商等现代技术的出现，创建和维护 AI/ML 测试平台变得相当简单。此外，确保有一个一致的流程将未分类的图像加载到应用程序中，允许分析师拥有衍生产品的所有下游权利，并确保应用程序可以发展到全球规模。4.建立公共基准数据集、元数据和性能指标，以对 AI/ML 模型性能进行比较评估。
地理空间情报现状与未来报告
1.Michael F. Goodchild。“地理数据建模。” 计算机与地球科学，1992:18(4):401-408。2.Michael F. Goodchild、May Yuan 和 Thomas J. Cova。“GIS 中地理表示的一般理论。” 国际地理信息科学杂志，2007:21(3):239-60。3.哈里斯县飓风疏散地图，哈里斯县国土安全和应急管理办公室。http://prepare.readyharris.org/Evacuation-Map。访问日期：2018 年 5 月 12 日。4.Ivan Lizarazo 和 Paul Elsner。“从像素到 Grixels：基于地理对象的图像分析的统一功能模型。”国际摄影测量、遥感和空间信息科学档案，2008：38(4/C1)。5.Robert G. Cromley、Shuowei Zhang 和 Natalia Vorotyntseva。“基于浓度的分级统计图数据分类方法。”国际地理信息科学杂志，2015：29(10)：1845-63。6.Anthony Jjumba 和 Suzana Dragicevic。“整合基于 GIS 的地理原子理论和体素自动机来模拟空气污染物的扩散。” GIS 事务，2015:19(4):582-603。7.国家研究委员会。未来陆军应用网络科学网络科学委员会。美国国家科学院出版社。华盛顿特区； 2005。8。Brian Collins、Ofer Heyman、Joaquín Ramírez、Trude King、Brad Schmidt、Paul M. Young、KC Kroll、Ryan Driver 和 Carl Niedner。“基于结果的地理空间情报建模。” GEOINT 现状与未来报告，美国地理空间情报基金会；2018 年。