포병 무기체계 분류를 위한 CNN 모델의 성능 비교 연구

이영균; 마정목

doi:10.5762/KAIS.2023.24.1.344

추천

검색

질문

자료유형: 학술저널

저자정보: 이영균 (국방대학교) 마정목 (국방대학교)

저널정보: 한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제24권 제1호

발행연도: 2023.1

수록면: 344 - 350 (7page)

DOI: 10.5762/KAIS.2023.24.1.344

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

한반도의 지형적인 특징을 고려했을 때, 간접사격은 직접사격만큼 중요하며 아군의 피해를 최소화하면서 승리하기 위해서는 감시체계를 이용해 적의 포병을 먼저 찾고 격멸해야 한다. 전장에서 견인포, 자주포, 다련장 등 포병 무기체계를 구분하여 식별한다면 해당 무기체계를 운용하는 제대의 규모를 알 수 있다. 게다가 식별한 적 무기체계의 사거리등을 고려해 아군이 유리한 전술을 수립해 전투를 수행할 수 있을 것이다. 이를 위해서 육안으로 무기체계를 식별하는 것이 아닌 자동으로 무기체계를 식별할 수 있는 체계가 도입되어야 한다. 본 연구는 이러한 목적을 바탕으로 진행되었으며 포병 무기체계 중 일부인 견인포, 자주포, 다련장의 이미지를 인터넷의 공개 이미지를 통해 약 900여장 수집하였고, 부족한 데이터 수를 보완하기 위해 이미지 증강기법을 사용하여 약 100배가량 증강시켰다. 이후 구글 기반의 사전 학습된 Xception, InceptionV3, MobileNetV2, DenseNet169, VGG16 그리고 VGG19라는 6가지 CNN 모델의 특징추출기와 추가 분류기를 결합한 전이학습을 통해 무기체계 식별 성능을 비교하였다. 그 결과로 검정용 데이터셋의 정확도는 88.71% ~ 97.31%로 나타났으며, 그 중 가장 높은 성능을 가진 모델은 Xception 모델인 것으로 나타났다. 본 연구는 기 구축된 CNN모델과 전이학습을 이용해 포병 무기체계의 분류를 처음으로 시도한 연구이며 연구의 결과가 앞으로의 포병 무기체계 분류 및 식별에 관한 연구에 도움이 되기를 기대한다.

#CNN #Transfer Learning #Types Of Artillery Weapons #Classification #Performance Result

참고문헌 (16)

참고문헌 신청

https://namu.wiki/w/%ED%95%9C%EB%B0%98%EB%8 F%84

T. W. Kim, H. S. Moon, J. H. Kim, “The Study on CNN based Helicopter Type Classification Model”, Institute of Control, Robotics and Systems , Vol.26, No.6, pp.479-486, Jun, 2020. DOI: https://dx.doi.org/10.5302/J.ICROS.2020.20.0017

J. Y. Hwang, B. A. Choi, J. H. Lee, J. H. Bae, “A Study on Transfer Learning-based Ensemble Model for Classification of Maneuver Weapon System”, Korean Institute Of Information Technology , Vol.19, No.12, pp.1-10, Dec, 2021. DOI: https://dx.doi.org/10.148

Y. S. Park, Deep Learning using Tensorflow Keras, p.616, Free Academy Publisher, 2021, pp.152-163

H. G. Lee, J. M. Ma, “A Study on Mine Detection in GPR Images Using CNN”, The Korea Academia-Industrial cooperation Society, Vol.23, No.6, pp.82-88, Jun, 2022. DOI: https://dx.doi.org/10.5762/KAIS.2022.23.6.82

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이영균

소속기관 국방대학교

주요연구분야 공학 > 공학 일반

논문수 2 이용수 332

마정목

소속기관 국방대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 10% 공학 > 공학 일반 TOP 1%

논문수 47 이용수 7,436

이 논문과 함께 이용한 논문

Sim2Real 학습을 활용한 무기체계 탐지성능 향상에 대한 연구

이경재 , 마정목 한국산학기술학회 논문지 2023 .07

인간과 드론의 유 · 무인 복합전투

조현정 국방과 기술 2023 .05

음식 이미지 분류를 위한 CNN 모델 일반화 방법 적용 및 분석

이원일 , 강수연 , 낭종호 한국정보과학회 학술발표논문집 2022 .12

이미지 분류를 위한 딥러닝 기반 CNN모델 전이 학습 비교 분석

이동준 , 전승제 , 이동휘 한국정보통신학회 종합학술대회 논문집 2022 .05

망막질환진단을 위한 CNN모델들의 성능비교

김혜원 , 장설봉 , 김용수 외 1명 한국지능시스템학회 논문지 2022 .02

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2023-505-000374249

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)