디지털 라이브러리[ 검색결과 ]
위성영상에서의 군 표적탐지를 위한 Arma 3 기반의 가상 데이터 생성 연구
김예찬, 박종현, 김수연, 김시현, 김성헌, 고영민, 오중균, 윤동호, 전문구
http://doi.org/10.5626/JOK.2025.52.1.9
최근 위성 기반 감시정찰 시스템은 주요 국가에서 군사적으로 중요한 기술로 주목받고 있다. 그러나 군 표적탐지를 위한 대규모의 훈련용 위성영상 확보는 높은 수집 비용과 보안 문제로 인해 현실적으로 어려움을 겪고 있다. 본 논문에서는 이를 극복하기 위해, 유명한 군사 시뮬레이션 게임 중 하나인 Arma 3을 활용한 가상의 군 표적탐지용 위성영상 및 레이블 생성 알고리즘을 제안한다. Arma 3은 현실적인 군사 장비와 환경을 제공하므로, 군 표적탐지 연구에 필요한 고품질의 가상 데이터를 생성할 수 있다. 특히 본 논문은 제안하는 알고리즘으로 구축한 데이터셋이 실세계 데이터를 보완하는 데 효과적임을 DOTA 데이터셋 및 웹 스크래핑으로 얻은 군사 이미지를 활용하여 검증하였다.
Extreme Environment Rotated Object Detection Network
Giljun Lee, Junyaup Kim, Gwanghan Lee, Simon S. Woo
http://doi.org/10.5626/JOK.2023.50.11.966
객체 탐지 모델의 발전으로, 합성 개구 레이더(SAR) 및 전기 광학(EO) 위성 이미지와 같은 이미지들를 효율적으로 추론할 수 있다. 수평 경계 상자(HBB)를 사용하는 기존 탐지 모델 은 위성 이미지 상의 작고 밀집된 객체들을 탐지하기 어렵다. 이러한 문제를 해결하기 위해 본 논문에서는 Yolov7 객체 감지 모델의 구조를 효율적으로 변경하여, SAR 이미지에서 OBB(Oriented Bounding Box)로 표현된 객체를 정확하게 감지할 수 있는 알고리즘인 E^2RDet을 제안한다. 이 알고리즘은 객체 탐지 모델 아키텍처와 손실 함수를 수정하여 물체의 동적(orientation) 자세를 학습 가능하도록 개선한다. E^2RDet은 다양한 데이터셋을 학습에 활용하여 총 세 가지 벤치마크 SAR 데이터셋에서 성능 향상을 보였다. 이는 기존 객체 감지 모델들이 OBB로 표현된 객체도 학습 및 객체 탐지가 가능하다는 것을 의미한다.
DPESS: 임베딩 공간 통계를 이용한 주간 위성 이미지 기반의 인구 통계학적 속성 예측
http://doi.org/10.5626/JOK.2020.47.8.742
위성 이미지를 이용하여 사회 경제적 지표로 활용되는 인구 통계를 예측하거나 분석하는 연구가 활발히 진행되고 있다. 본 연구에서는 심층 신경망 모델을 기반으로 주간 위성 이미지를 이용하여 특정 지역의 인구 통계학적 속성 값을 예측하기 위한 새로운 접근법을 제시한다. 총 4단계로 이루어진 DPESS 모델은 정보의 손실 없이 많은 수의 입력 위성 이미지를 고정 길이의 벡터로 요약한다. 이는 전이 학습 및 임베딩 공간 통계와 같은 고유한 기술로 인해 가능하다. 연구 결과, 인구 밀도(R² =0.94), 15-29세 그룹 인구수(0.80), 고등학교 졸업 인구수(0.79), 가구당 총 구매력(0.80)과 같은 다양한 인구 통계학적 요소 값을 위성 이미지만으로도 효과적으로 예측할 수 있다. 한편, 본 연구를 다른 국가에 적용하기 위해서는 추가적인 연구가 필요할 것으로 사료된다.
