<통일·북한 정보 아카이브>
통합검색
- HOME
- 통합검색
- 아카이브 8000만
- 외부검색
- 기획사업
- 뉴스
- 단행본
- 학술자료
기획사업
검색 결과가 없습니다.
뉴스
검색 결과가 없습니다.
단행본
검색 결과가 없습니다.
학술자료
-
[학술논문] 실전적 다연장포 이미지 객체인식 성능 향상을 위한 증강기법 연구
본 연구에서는 다연장포의 실전적 이미지에 대한 객체인식 성능 향상을 위해 날씨변환 증강 기법을 제안한다. 다연장포는 현대전의 주요한 화력지원체계이며 특히 북한은 5500여문의 다양한 구경과 모델의 다연장포를 운용하고 있기에 우리나라에 큰 위협이 된다. 따라서 장비의 정확한 식별이 필수적이나, 활용 가능한 이미지는 주로 실전 환경과 거리가 먼 공개정보에 한정되어 있다. 반면, 실전에서는 사격 후폭풍, 연기, 악천후 등이 혼재된 환경에서 인식이 이루어져야 한다. 이에 본 연구는 날씨변환 증강 기법을 활용하여 공개정보 이미지를 바탕으로 실전적 학습 데이터셋을 구축하고, 모델을 학습시켰다. 데이터셋의 규모를 늘려가며 YOLOv8n 모델의 성능을 mAP@50:95 지표로 비교 분석한 결과 날씨변환 증강을 했을 경우가
-
[학술논문] YOLO 알고리즘을 이용한 전차 국적 식별 및 평가
인공지능 딥러닝 기술이 적용된 무기체계가 지속적으로 개발된다. 기존의 전차 피아식별 시스템은 사람의 눈으로 표적을 획득하고 공격 여부를 판단한다. 따라서 신속성과 정확성 측면에서 한계가 존재한다. 본 연구에서는 이러한 제한사항을 개선하기 위해 YOLO(You Only Look Once) 알고리즘 기반의 전차 국적 식별 방법을 제안한다. 먼저, 한국, 미국, 일본, 북한의 4개국의 주력 전차 사진을 수집한다. 특히, 실제 기갑 전투의 상황과 유사하도록 노이즈를 추가하고 이미지 전처리 작업을 한다. 이후 데이터셋은 학습 데이터의 적절한 규모를 확인하기 위해 8개의 그룹으로 구성한다. 마지막으로 평가 척도인 mAP와 IoU를 기반으로 적절한 데이터 규모를 분석한다.
- 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.
