메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

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

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

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.

목차

요약
Abstract
1. 서론
2. 본론
3. 실험 방법 및 결과
4. 결론
References

참고문헌 (16)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

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