리서치 연구
Improved Automatic Target Recognition in Synthetic Aperture Sonar Imagery Using Large Deep Neural Networks
ARarXiv
본 연구는 합성 개구 소나(SAS) 영상의 자동 표적 인식(ATR) 성능을 높이기 위해, 기존 CNN 방식과 최신 트랜스포머 기반 딥러닝 모델의 성능을 비교 분석했습니다.
세 줄 요약
- 네트워크 크기, 아키텍처 선택, 사전 학습 방법, 데이터 증강 등 다양한 훈련 요인들이 SAS-ATR 성능에 미치는 영향을 종합적으로 조사하는 것이 핵심입니다.
- 이 연구는 해당 분야에서 최적의 성능을 내는 딥러닝 구조와 훈련 전략을 제시하여, 전문 영상 분석 기술 발전에 중요한 로드맵을 제공합니다.
- 고성능 ATR 모델을 구축하려면 단순히 아키텍처만 고려할 것이 아니라, 사전 학습 방식과 정규화 같은 다양한 훈련 조건을 종합적으로 검토해야 합니다.
본 연구는 합성 개구 소나(SAS) 영상의 자동 표적 인식(ATR) 성능을 높이기 위해, 기존 CNN 방식과 최신 트랜스포머 기반 딥러닝 모델의 성능을 비교 분석했습니다.