위성영상 내 항공기 식별 시 오탐률 감소를 위한 결합된 CNN 알고리즘 (A Coupled CNN Algorithm for the Reduction of False Positive Rate in Detecting Aircraft within Satellite Imagery)

서지정보

· 발행기관 : 육군사관학교 화랑대연구소
· 수록지 정보 : 한국군사학논집 / 76권 / 3호 / 61 ~ 90페이지
· 저자명 : 장준호, 이수진

초록

현재 영상 처리에 활발히 사용되고 있는 CNN 알고리즘은 고해상도/대규모 위성사진을 직접 처리하지 못한다. 이 문제를 해결하기 위해, 많은 연구에서 인공 신경망에 다양한 기술을 결합하려고 노력해왔다. 그러나 물체 식별과 검출에 영향을 미치는 여러 가지 요인에 의해 만족스러운 성과를 거두지 못하고 있는 실정이다. 특히 항공기 탐지의 경우 탑승구, 건물, 공항 내 교차로 등 항공기와 유사한 물체를 잘못된 탐지하는 문제가 제대로 해결되지 않았다. 본 논문은 이러한 오탐을 줄이기 위해 Mask R_CNN 알고리즘과 YOLO 알고리즘을 결합한 CNN 알고리즘을 제안한다. 제안된 접근방식의 성과를 평가하기 위해, 항공기와 유사한 물체가 다수 포함된 공항의 위성 영상에 대해 항공기 탐지 실험을 실시하였고, 그 결과 오탐이 상당히 감소함을 확인하였다.

영어초록

CNN algorithms, which are currently actively used for image processing, do not process high resolution/large-scale satellite images directly. To address this problem, many researchers have tried to combine various techniques into the artificial neural networks. However, many studies have not achieved satisfactory performance due to various factors affecting object identification and detection. Especially in the case of aircraft detection, the false detection of objects similar to aircraft, such as boarding gates, buildings, and intersections within the airport, is not solved properly. This paper proposes a coupled CNN algorithm that combines the Mask R_CNN algorithm with the YOLO algorithm to reduce such false detection. To evaluate the performance of the proposed approach, we conduct the aircraft detection test was conducted on satellite images of airports containing a number of objects similar to aircraft.

참고자료

· 없음