Image Mix-up 기법과 YOLOv8을 활용한 Side Scan Sonar Image에서의 기뢰추정물 탐지 모델 개발

임정규¹ ; 박찬영² ; 백준기³^{, *}

1해군 중위/중앙대학교 국방 AI 교육대학 연수생
2중앙대학교 첨단영상대학원 영상공학 박사과정
3중앙대학교 첨단영상대학원 및 AI대학원 교수

Development of a Minelike Contacts Detection Model in Side Scan Sonar Images Using Image Mix-up and YOLOv8

Jeong-Kyu Lim¹ ; Chanyeong Park² ; Joonki Paik³^{, *}

1LTJG, ROK Navy/Trainee, Defense AI Education College, Chung-Ang University
2Ph.D. student, Major of AI Imaging, Graduate School of Advanced Imaging Science, Multimedia & Film, Chung-Ang University
3Professor, Graduate School of Advanced Imaging Science, Multimedia & Film and AI Graduate School, Chung-Ang University

Correspondence to: ^*Joonki Paik Graduate School of Advanced Imaging Science, Multimedia & Film, Chung-Ang University 84, Heukseok-ro 5-gil, Dongjak-gu, Seoul, Republic of Korea E-mail: paikj@cau.ac.kr

초록

본 연구는 기뢰 탐색 절차 주요 장비인 Side Scan Sonar (S.S.S) 데이터 효율적인 증강을 목표로 한다. 해군의 기뢰 관련 국방데이터 부족 문제를 해결하기 위해 S.S.S. 데이터를 활용하여 연안 해저 환경 데이터와 image mix-up 기법으로 데이터를 증강 후, 비교군을 설정하여 실시간 객체 인식 모델 YOLOv8을 통해 실험을 진행한다. 그 결과, 합성데이터가 모델 성능을 유의미하게 향상시켰음을 확인했으며, 이는 해군 유무인 복합체계 내 기뢰 식별 데이터 부족에 대안을 제공했다는 그 의의가 있다.

Abstract

In this paper, we aim to efficiently augment Side Scan Sonar (S.S.S.) data, a critical tool in mine detection operations. However, the scarcity of mine-related defense data available to the Navy presents a significant challenge. To solve this issue, we use overseas S.S.S. data, enhancing it with coastal seabed environmental data and the image Mix-up technique. We conducted experiments using the YOLOv8 real-time object detection model. The results indicate that the inclusion of synthetic data substantially enhances the model's performance. This finding is particularly noteworthy as it provides a viable solution to the shortage of mine classification data in the Navy's manned and unmanned teaming systems.

Keywords:

Bottom Mine, Side Scan Sonar, Image Mix-up, YOLOv8

키워드:

해저기뢰, 측면주사음탐기

Acknowledgments

이 논문은 2024년도 정부(과학기술정보통신부) 재원으로 국방부 및 정보통신기획평가원(IITP)에 의한 AI 대학원 프로그램(2021-0-01341, 인공지능대학원지원(중앙대학교))의 지원을 받아 수행되었습니다.

이 논문은 2024년도 정부(과학기술정보통신부)의 재원으로 한국연구재단(NRF, NRF-RS2024-00343863)의 지원을 받아 수행되었습니다.

References

강지영, 김우주. “딥러닝을 적용한 영상기반 군함 식별정보 획득에 관한 연구.” 『한국군사과학기술학회지』, 제25권 제1호, pp. 55-64, 2020 [https://doi.org/10.4171/dm/737]
계중읍, 조재일, 유원필, 최성록, 박재현, “측면주사음탐기 센서 기술 동향 및 응용.” 한국전자통신연구원, 2023
김다빈, 김영도. “국방 AI 학습데이터 부족 극복 방안: 합성데이터의 활용.” 『국방논단』, 제1937호(23-12), pp. 1-12, 2023 [https://doi.org/10.1097/01.NT.0000943140.92540.15]
김선준, 노상현, 김종헌. “인공지능(머신러닝)을 활용한 대함 무기효과 추정방안 연구.” 『국방정책연구』, 제142호, pp. 193-222, 2023 [https://doi.org/10.1002/vetr.3376]
김준영, 신창홍, 김경희. “소나와 무인기뢰처리기 정보를 활용한 기뢰전 체계 설계 방안.” 한국정보통신학회, 2014
김선호. “해양교통로(SLOC)의 위협과 안전확보 방안.” 『대한정치학회보』, 제23집 제3호, pp. 239-257, 2015 [https://doi.org/10.1177/1066896914566356]
김수환, 채한결. “Mask R-CNN을 이용한 이미지 합성 기반 데이터 증강의 자주포 객체탐지 모델 성능향상 연구.” 한국산학기술학회, 2023
임광혁. “주요 국가들의 기뢰대항작전용 무인수상정 운용 발전 추이와 시사점.” 『주간국방논단』, 제1705호, pp. 1-7, 2018
임승균, 강동수. “YOLO 알고리즘을 이용한 전차 국적 식별 및 평가.” 정보과학회. 2021
장선호. “해양교통로(SLOC)의 위협과 안전확보 방안.” 『대한정치학회보』, 제23집 제3호, pp. 239-257, 2020 [https://doi.org/10.30807/ksms.2020.23.3.001]
조윤철. “특집: 해군 빅데이터 분석체계 발전방향.” 『대한조선학회지』, 제57권 제1호, pp. 21-26. 2020 [https://doi.org/10.1515/nf-2019-0036]
홍성준, 정인식, 박승수. “4차 산업혁명 신기술로 무장한 기뢰위협과 우리의 대응방안.” 한국해군과학기술학회. 2020
소나테크. “Multibeam Side Scan Sonar (Seaview 400 Series).” 2019
고용노동부. “고령화로 2030년까지 15~64세 생산가능인구 320만명 감소.” 『정책브리핑. 2022. 2. 3.
김예원. “10년 후 나라 지킬 군인 없어.. 또 나온 여성징병제 가능할까.” 『뉴스1』, 2023. 12. 13, https://www.news1.kr/society/incident-accident/5259451, (검색일: 2024. 5. 11.).
저출산고령사회위원회. “저출산 5대 핵심과제에 대한 ‘2024년 예산안’ 톺아보기.” 정책참고자료, https://www.betterfuture.go.kr/front/policySpace/policyReferenceDetail.do?articleId=22&listLen=10&searchKeyword=&position=S, (검색일: 2024. 3. 26.).
박태유. “해상무기이야기: 기뢰전함.” Bemil 군사세계, https://bemil.chosun.com/nbrd/bbs/view.html?b_bbs_id=10002&pn=5&num=950, . (검색일: 2024. 5. 15.).
통계청. “합계출산율.” 지표누리, https://www.index.go.kr/unity/potal/main/EachDtlPageDetail.do?idx_cd=1428, , 2023. (검색일: 2024. 3. 25.).
해군본부. “해군의 역할.” https://www.navy.mil.kr/mbshome/mbs/navy/subview.do?id=navy_010400000000, (검색일: 2024. 3. 25.).
Raul(Pete) Pedrozo. “한반도 전쟁 시 해상 기뢰전.” 『한국해양전략연구소 Periscope』, 제301호, 2022
Buslaev, Alex et al. “Albumentations: Fast and Flexible Image Augmentations.” Journal of Open Source Software, Vol. 5, No. 52, p. 2501. 2020
Feihu Zhang et al. “Detection of Small Objects in Side Scan Sonar Images Using an Enhanced YOLOv7-Based Approach.” Journal of Marine Science and Engineering, Vol. 11, No. 11, 2155. 2023 [https://doi.org/10.3390/jmse11112155]
Joseph Redmon et al. “You Only Look Once: Unified, Real-Time Object Detection.” 2016 [https://doi.org/10.1109/CVPR.2016.91]
Jaebeom Park et al. “Enhancing Side-Scan Sonar Imaging: A Comparative Study of Deep Learning Super-Resolution Techniques.” 2024
Nuno Pessanha Santos et al. “Side-scan Sonar Imaging Data of Underwater Vehicles for Mine Detection.” 2024 [https://doi.org/10.1016/j.dib.2024.110132]
Redmon, Joseph, et al. “YOLOv8: You Only Look Once Version 8.” 2021, https://docs.ultralytics.com, /
국토해양부 해양환경정책관실. “서해연안해역의 지형과 퇴적환경,” 2009. 12. 22, https://blog.naver.com/mltm_ocean/60097788513, (검색일: 2024. 5. 12.).