아카이브8000만

<통일·북한 정보 아카이브>

Total 0회

전체메뉴

통합검색

HOME
통합검색

아카이브 8000만
외부검색

학술자료

더보기

[학술논문] <em>대공감시체계</em> 발전을 위한 객체 인식 기술 연구: 퓨샷러닝과 연합학습의 통합을 중심으로

본 연구는 현재 GOP감시 체계의 고유한 특성을 고려하여 AI 중심 감시 체계 구축이라는 목표를 달성하기 위해 필요한 요구와 그것을 해결하기 위한 방안을 다룬다. 첫째, 드론 및 쓰레기 풍선과 같은 북한의 위협은 지상뿐만 아니라 공중 영역까지 감시 범위를 요구한다. 둘째, 제한된 학습 데이터와 예측 불가능한 전장 환경과 같은 군 작전의 제약은 군사 분야에서 견고한 AI 모델을 개발하는 데 어려움을 야기한다. 셋째, 각 부대의 다양한 작전 환경은 단일 부대에서 학습된 모델의 일괄 적용을 어렵게 만든다. 이러한 문제를 해결하기 위해, 본 연구는 퓨삿 러닝(few-shot learning)과 연합 학습(federated learning)을 통합한 공중 객체 인식 기법을 제안한다. 퓨삿 러닝 알고리즘은 적은 양의 데이터로도

기획사업
뉴스
단행본
학술자료

기획사업

더보기

검색 결과가 없습니다.

뉴스

더보기

검색 결과가 없습니다.

단행본

더보기

검색 결과가 없습니다.

학술자료

더보기

[학술논문] 대공감시체계 발전을 위한 객체 인식 기술 연구: 퓨샷러닝과 연합학습의 통합을 중심으로

본 연구는 현재 GOP감시 체계의 고유한 특성을 고려하여 AI 중심 감시 체계 구축이라는 목표를 달성하기 위해 필요한 요구와 그것을 해결하기 위한 방안을 다룬다. 첫째, 드론 및 쓰레기 풍선과 같은 북한의 위협은 지상뿐만 아니라 공중 영역까지 감시 범위를 요구한다. 둘째, 제한된 학습 데이터와 예측 불가능한 전장 환경과 같은 군 작전의 제약은 군사 분야에서 견고한 AI 모델을 개발하는 데 어려움을 야기한다. 셋째, 각 부대의 다양한 작전 환경은 단일 부대에서 학습된 모델의 일괄 적용을 어렵게 만든다. 이러한 문제를 해결하기 위해, 본 연구는 퓨삿 러닝(few-shot learning)과 연합 학습(federated learning)을 통합한 공중 객체 인식 기법을 제안한다. 퓨삿 러닝 알고리즘은 적은 양의 데이터로도

#객체 인식 #대공감시체계 #퓨샷러닝 #연합학습 #이승준, 문호석

서울특별시 중구 세종대로21길 52, 8층 ｜ 대표전화 : 02-739-7558~60
재단 공식 메일: unikorea@tongilnanum.com

(c) 2024. 재단법인 통일과나눔 All Rights Reserved.
Only Non-commercial, Non-Derivative, Non-Redistribution use is allowed.