딥러닝을 활용한 다국적 군함 탐지 및 분류모형 연구 (The study on the model for detection and classification of multinational warship using deep learning)

서지정보

· 발행기관 : 한국국방경영분석학회
· 수록지 정보 : 한국국방경영분석학회지 / 46권 / 2호 / 73 ~ 83페이지
· 저자명 : 김정환, 박진영, 문호석

초록

본 연구는 딥러닝의 객체탐지를 활용하여 군함의 영상장비(EOTS) 영상을 통해 해상에서 군함을 탐지하고, 그 군함의 국적을 분류하는 모형을 만드는 연구이다. 연구의 대상인 군함은 대한민국, 미국, 일본, 중국, 러시아 5개국에서 운용하고 있는 500톤 이상의 수상전투함이며, 총 3,433장의 이미지를 연구에 활용하기 위해수집하였다. 또한 실제 군함에서 활용가능한 모형을 만들기 위해 군함에 탑재되어 있는 EOTS가 흑백인 것을고려하여, 다국적 군함을 탐지하고 국적 분류가 가능토록 연구하였다. 특히 동일한 해상의 환경 상황을 조성하기 위해 맑음, 안개, 우천 등 해상 환경에 따라 감시장비에 입력되는 이미지가 달라지는 것을 고려하여Blurring, 노이즈 추가 등 이미지 전처리 작업을 통해 원 이미지의 3배인 10,299장의 이미지를 생성하여 학습에 활용하였다. 모형을 만들기 위한 알고리즘으로는 YOLO v4를 사용하였으며 이미지의 입력사이즈에 변화를 주면서 4가지 모형별 학습을 진행하였다. 모형의 성능은 IoU와 mAP로 평가하였으며 IoU 평균 82.04%, mAP 평균 98.43%의 성능을 보였다.

영어초록

This study uses object detection of deep learning to make models that detect warships in the video equipment (EOTS) of warships and classify nationalities. When you encounter warships from other countries during an operation at sea, the nationality is verified through a communication or visually, and thus a method of performing this through deep learning is suggested. The warships that are the subject of the study are more than 500 tons of surface warships operated in five countries, Korea, the United States, Japan, China, and Russia, and a total of 3,433 images were collected for use in the study. In addition, for research that can be used in an actual environment, a black and white image was input based on the specifications of the EOTS mounted on a warship, and a study was conducted to detect the warship and to classify the nationality of them. In particular, 10,299 images, which are three times the amount of the original image, were created through pre-processing of images such as blurring and noise addition, consid- ering that images entered into EOTS vary depending on weather conditions such as clear, fog, and rain.
YOLO v4 was used as an algorithm to make a model, and four models were trained while changing the size of the input image. The model was evaluated with the IoU and mAP and found to have an average performance of 82.04% of the IoU and 98.43% of the mAP.

참고자료

· 없음