딥러닝 기반 객체 탐지와 후처리를 이용한 선박 탐지의 정확도 향상

국문 초록 (Abstract)

위성 영상을 이용한 자동 선박 검출은 세계 최대 규모의 해상에서 이루어지는 어업, 국방, 운송 등 다양한 산업에 적용되는 원격 탐사 기술이다. 본 논문에서 우리는 고해상도 인공위성 영상을 활용한 심층신경망 기반 선박 검출에서 미검출 객체를 줄인 다량의 1차 후보군을 추출하고 해상과 육지영역으로 분할된 이미지를 활용하여 육지 내 오 탐지된 후보를 제외하는 알고리즘을 제안한다. 인공위성 영상을 활용한 심층신경망 기반 객체 검출 알고리즘은 구름이나 큰 파도에 의한 영향, 육지의 지형 및 큰 건축물의 영향, 선박 간 조밀도, 인근 해역에 정착된 선박 등 상황에서 신뢰하기 힘든 탐지 결과를 나타낸다. 우리는 해상 영역이 아닌 육지 영역 내의 지형 및 큰 건축물, 도로 등 선박으로 오 탐지된 객체를 강건하게 제외한다. 제안된 접근 방법은 인공위성 영상 대비 향상 처리, 객체 탐지 알고리즘의 분류기 점수의 통과 기준을 완화, 육지영역 내의 오 탐지 선박 제외 알고리즘으로 구분된다. 영상 대비 강화 기법을 적용하여 높은 해상도를 가진 인공위성 영상을 확보하여 작은 표적 및 복합 재료로 만들어진 선박까지 탐지할 수 있는 능력을 함양한다. 그리고 회전 경계 상자를 이용한 Faster RCNN 기반 객체 탐지기인 Rbox-CNN 모델을 이용하여 미검출 객체를 줄인 다량의 1차 검출 선박 후보군을 추출한다. 마지막으로, 심층신경망 기반 Deeplabv3분할 알고리즘을 활용해 해상과 육지영역 분할 이미지를 확보하고 해상 영역의 선박만을 탐지하기 위한 선별 기준을 수립하여 1차 후보군으로 추출된 검출 선박 중 육지 내의 오 탐지된 선박을 제외한다. 그 결과 육지 내의 건물, 도로, 지형이 선박으로 오 탐지된 객체를 제외하여 해상에 위치한 선박을 최종적으로 검출한다. 더욱이 제안된 방법의 실험 결과는 기존의 선박 검출 알고리즘 성능보다 전체적인 선박 탐지율은 높고 오탐율은 현저히 감소하여 상당히 향상된 탐지 성능을 보였다.

목차 (Table of Contents)

• 초록
• 1. 서론
• 2. 연구방법
• 3. 연구내용
• 4. 결과 분석
• 5. 결론
• 참고문헌