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.
피인용 0
초록·키워드
국방 인공지능(AI) 시스템의 성능은 고품질 학습 데이터 확보에 크게 의존하지만, 적군 장비나 신규 무기 체계와 같은 희귀 국방 객체는 보안상의 제약과 원천적인 데이터 희소성으로 인해 학습 데이터셋 구축에 어려움이 따른다. 본 논문은 이러한 데이터 부족 문제를 해결하기 위해 위키데이터(Wikidata)의 온톨로지 구조와 비전 파운데이션 모델(Vision Foundation Model)을 결합한 자동화 데이터 구축 프레임워크인 온톨로지 기반 데이터 엔진(Ontology-Guided Data Engine)을 제안한다. 이는 군사 자산의 계층적 개념을 정의하고, 참조 이미지로부터 추출한 시각적 프로토타입(Visual Prototype)을 활용하여 웹, 공개 데이터셋 및 내부 아카이브로부터 유효한 데이터를 의미론적으로 필터링한다. 이후 Grounding DINO와 SAM을 적용하여 사람의 개입을 최소화하면서도 COCO 포맷의 정밀한 바운딩 박스(Bounding Box)와 분할 마스크(Segmentation Mask)를 자동으로 생성한다. 12개 군사 클래스를 대상으로 한 정량 평가에서 제안 엔진은 데이터 선별 정밀도 0.720(Micro F1 0.729), 오토 레이블링 품질 Box mAP 82.6% 및 Mask mAP 83.9%, 그리고 가장 뛰어난 다운스트림 탐지 및 분할 성능(Box mAP 54.9%, Mask mAP 51.7%)을 달성하여 키워드 크롤링, CLIP-only 필터링 및 SAM 3 베이스라인을 모두 상회하였다. 이는 본 프레임워크가 기존의 텍스트 프롬프트 기반 모델이 식별하기 어려운 무기 체계 간의 미세한 차이를 효과적으로 구분해 냄을 보여준다. 결론적으로, 본 연구는 향후 국방 분야의 데이터 중심 AI(Data-Centric AI) 연구를 위한 효율적인 방법론으로 활용될 것으로 기대된다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
