인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2025.12
- 수록면
- 682 - 691 (10page)
이용수
초록· 키워드
최근 해상 교통량 증가와 해양 안보 위협 확산으로 정밀ㆍ신뢰도 높은 선박 탐지 기술의 수요가 커지고 있다. 본 연구는 HRSC-2016 데이터셋을 대상으로 두 가지 데이터 증강 기법을 제안한다. 두 기법 모두 Segment Anything Model(SAM)으로 추출한 선박 마스크를 실제 해양 배경에 Copy-Paste하여 맥락을 유지한 합성 이미지를 생성함으로써 학습 데이터를 확장한다. 성능 평가에서 SAM을 활용한 향상된 복사-붙여넣기 기법(ECUS)은 베이스라인 대비 mAP@50–95가 +4.6 %, mAP@50이 +3.1 %, mAP@75가 +4.7 % 상승하였다. 또한 훈련 데이터를 100장으로 축소한 환경에서 객체 중심 이미지 마스킹(OFIM) 기법 단독 적용 시 베이스라인 대비 mAP@50–95가 +5.5 % 상승했으며, ECUS와 OFIM 결합 시에는 +9.4 %까지 개선되어 두 기법의 상보적 효과를 확인하였다. 이는 해상 맥락을 보존한 데이터 증강이 선박 탐지 정확도를 효과적으로 개선함을 입증하며, 향후 해상 감시ㆍ국방 분야에 기여할 수 있다.
#Ship Detection
#Object Detection
#Data Augmentation
#Segment Anything Model(SAM)
#Maritime Surveillance
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 요약
- Ⅰ. 서론
- Ⅱ. 관련 연구
- Ⅲ. 제안 방법
- Ⅳ. 실험
- Ⅴ. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
