워리어 플랫폼을 위한 YOLOv4 기반 자동 표적탐지 (Automatic Target Detection Based on YOLOv4 for the Warrior Platform)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 30권 / 3호 / 115 ~ 124페이지
· 저자명 : 이준희, 이용헌, 유지상, 장경선

초록

워리어 플랫폼은 신속한 전장환경 인식을 통해 병사의 생존 가능성을 증대하고, 전투 능력을 극대화하여 미래 지상 전투에서 핵심적인 역할을 한다. 일부 선진국에서는 이미 실전 배치되어 운용 중이며, 우리나라는 2030년 배치를 목표로 활발하게 연구 중이다. 본 논문에서는 워리어 플랫폼의 주변 환경 인식을 위해 자동 표적탐지 기법을 제안한다. 병사가 움직이는 환경에서 표적을 빠르게 탐지하기 위해 딥러닝 모델 YOLOv4를 적용하였다. 모델 학습을 위해 운용 환경을 고려하여 대상 표적을 선택하였고, 공개 데이터셋과 실제 획득한 영상을 결합하여 통합 데이터셋을 구축하였다. 또한, 워리어 플랫폼에서 구동하기 위해 학습 모델을 TensorRT 엔진으로 최적화하였고, 작은 표적을 탐지하기 위해 영상 분할 모드를 지원하였다. 실험에서 데이터셋에 대한 표적탐지 성능을 분석하였고, 엣지 디바이스에서 구현에 따른 추론 속도를 비교하였다. 마지막으로 실제 워리어 플랫폼에 적용하여 기능을 확인하였다.

영어초록

The Warrior platform plays a crucial role in future ground combat by enhancing soldiers’ survivability through rapid battlefiled awareness and maximizing combat capabilities. It has already been deployed and operated in some advanced countries, with South Korea actively researching development by 2030. This paper proposes automatic target detection for the environmental perception of the Warrior platform. The deep learning model YOLOv4 is applied to swiftly detect targets in a dynamic soldier movement environment. For model training, we selected targets considering the operational environment and combined public datasets with videos acquired in real scenarios to build an integrated dataset. Furthermore, we optimized the trained model for deployment on the Warrior platform using the TensorRT engine and supported image partitioning modes to detect small targets. In the experiment, we analyzed the target detection performance in the dataset and compared inference speed based on implementation on an edge device. Finally, it was applied to the actual Warrior platform to verify its functionality.

참고자료

· 없음