실시간 선박 탐지를 위한 딥 러닝 모델의 경량화 기법 연구 (Lightweight Deep Learning Models for Real Time Vessel Detection)

서지정보

· 발행기관 : 한국항행학회
· 수록지 정보 : 한국항행학회논문지 / 29권 / 2호 / 254 ~ 259페이지
· 저자명 : 왕수현

초록

본 연구는 다양한 크기의 선박을 정밀하게 탐지하기 위해 YOLOv8 기반 객체 탐지 모델에 다중 스케일 어텐션(MSA) 모듈을 통합하고, 임베디드 환경에서의 실시간 운용을 목표로 채널 프루닝과 양자화 기법을 적용하여 모델을 경량화하였다. 제안된 모델은 IR 영상 기반의 선박 탐지에 적합하도록 설계되었으며, 소형 객체에 대한 탐지 성능을 유지하면서도 모델 크기, 연산량, 추론 속도를 크게 개선하였다. 절제 실험을 수행하여 각 경량화 기법의 기여도를 정량적으로 분석하였으며, Raspberry Pi 환경에서도 실시간 탐지가 가능한 구조임을 실험적으로 입증하였다. 실시간 적용 가능한 경량화 모델로 확장하였다는 점에서 의미가 있으며, 향후 다양한 경량화 기법의 적용 및 타 엣지 디바이스로의 확장이 기대된다.

영어초록

This study proposes a lightweight object detection model by integrating a multi-scale attention (MSA) module into the YOLOv8 architecture for precise detection of vessels of various sizes. To enable real-time operation in embedded environments, channel pruning and quantization techniques are applied to reduce the model's complexity. The proposed model is specifically designed for vessel detection in IR imagery, improving model size, computational cost, and inference speed while maintaining performance on small objects. An ablation study is conducted to quantitatively evaluate the contribution of each lightweighting technique, and experimental results demonstrate that the model can perform real-time detection even on Raspberry Pi. This research is meaningful in that it extends a performance-focused detection model into a lightweight version suitable for real-time deployment, and it is expected to be further applicable to other edge devices through additional lightweighting strategies.

참고자료

· 없음