사이드 스캔 소나는 해저의 넓은 면적과 고해상도 소나 영상을 빠르게 얻을 수 있으며, 해저의 다양한 물체를 구분 가능하기 때문에 해저 지형 탐색 및 해저 물체 탐지의 주요 기술입니다.
하지만, 사이드 스캔 소나 데이터는 취득의 어려움, 군사용 및 민감지역 데이터의 미공개, 해저 물체의 희소성 등으로 인하여 데이터 수가 매우 제한적입니다.
최근 딥러닝을 이용한 해저 자동 물체 탐지(Automatic Target Recognition: 이하 ATR) 관련 연구가 상당수 진행되고 있으나 제한적인 데이터 수로 인해 모델의 성능 향상과 검증에 있어 어려움을 겪고 있습니다.
그래서 우리는 합성 신경망을 기반으로 사이드 스캔 소나 이미지를 합성하여 해저 ATR을 고도화 하는 기술을 개발하고자 합니다.
Paper Lists
- 김병준, 장원두 “3D 모델과 순환 적대적 생성 신경망을 이용한 사이드 스캔 소나 이미지 생성”, 대한전자공학회 하계종합학술대회, 2022.06.29-07.01