해양사고 원인분석을 위한 경량 합성곱 신경망 기반의 수중 이미지 초해상화 기법 = Super-resolution Technique of Underwater image based on Lightweight Convolutional Neural Network for Marine Accident Cause Analysis

다국어 초록 (Multilingual Abstract)

The purpose of investigation and adjudication on marine accidents is to contributeto securing maritime safety by identifying the causes of maritime accidents andpreventing the recurrence of similar maritime accidents. Recently, movements suchas scientific analysis methods and accident reproduction and verification based onaccident site data to analyze the cause of marine accidents and prevent recurrenceare considered very positive for accident investigation and establishment ofaccountability system. Therefore, this study proposes a lightweight neural network,the ULSR model, to solve the complexity problem of the underwater imagesuper-resolution neural network model to support the ultimate purpose of thisaccident investigation. The core of the proposed idea is to integrate the same modelsize for all super-resolution magnifications, configure it to have similar number ofparameters and inference speed, and achieve high PSNR and SSIM results at allmagnifications compared to the existing model.

국문 초록 (Abstract)

해양 사고에 대한 조사 및 심판의 목적은 해양사고의 원인을 밝혀 유사한 해양사고의 재발을 방지하여 해양안전의 확보에 이바지하는 것이다. 최근 해양사고의 원인 분석 및 재발 방지를 위해 사고 현장 데이터에 기반한 사고 재현 및 검증은 필수적인 과정이다. 하지만 해양환경에서 획득한 이미지는 선명도가 떨어지거나 불필요한 잡음이 포함될 가능성이 높으며,이는 해양 사고 원인을 파악하는데 악영향을 미칠 수 있다. 본 논문에서는 해양 사고 조사의궁극적인 목적을 지원하기 위해 경량 합성곱 신경망 기반 수중 이미지 초해상화 모델인ULSR을 제안한다. 제안하는 ULSR은 모든 초해상화 배율에 대해 동등한 모델 크기를 사용할 수 있도록 통합하고, 최신 기법과 유사한 파라미터 개수와 추론 속도를 가지도록 구성되었으며, 모든 초해상화 배율에 대해 가장 높은 PSNR과 SSIM 결과를 가진다.