SAR 영상에서 선박을 탐지해내는 시각 AI 기술

서론

SAR (synthetic aperture radar) 영상은 위성에서 active microwave imaging radar를 사용하여 취득되는 영상으로 24시간 지구의 표면을 관찰하기에 좋은 센싱 도구로 해상 교통 관측에 기여가 클 것으로 예상된다. SAR로 취득된 영상으로부터 배를 탐지해내는 딥러닝을 활용하는 시각 AI 기술이 MDPI의 remote sensing journal에 2022년 2월 발표되었다. 그림1은 선박 탐지 알고리즘의 예시를 나타낸다 (바운딩 박스 형태로 위성영상에서 선박의 위치를 찾는다). 본문을 통해 이 기술의 수준을 알아보고 나아가야 할 방향을 필자의 시각을 빌려 소개하고자 한다.

기술의 현 수준

논문에서는 단일 SAR 영상으로부터 선박의 위치를 박스 형태로 추정하는 MSSDNet이라는 알고리즘이 제안되었다. 논문에서 제안하는 MSSDNet은 딥러닝으로 학습된 작은 사이즈의 모델로 빠른 속도로 물체를 탐지해내는 YOLO 알고리즘의 최근 버전인 YOLOv5 모델을 선박 탐지 시나리오에 맞게 알고리즘을 개선해 제안되었다. 

YOLOv5 알고리즘 대비 MSSDNet 알고리즘의 첫번째 개선점은 위성 영상에 등장하는 다양한 크기의 배를 잘 탐지해내기 위해 다양한 크기로 특징 벡터를 뽑아낼 수 있도록 multi-scale 특징 추출 모듈인 CSPMRes2 (Cross stage partial network with modified Res2Net) 모듈을 추가한 것이며, 두번째 개선점은 다양한 scale로 뽑힌 특징 추출 모듈에서 출력되는 특징 벡터 중 뒷단에서 어떠한 특징 벡터를 활용할지를 결정할 수 있는 모듈인 FC-FPN (Feature pyramid network with modified Res2Net) 을 추가한 것이다. 이를 통해, 특징 벡터를 영상 입력에 따라 개선함으로서 선박 탐지에 적합한 보다 개선된 특징 벡터를 얻을 수 있었다. (MSSDNet알고리즘의 전체 구조는 그림2 참조)

SSDD와 SARship이라는 두개 dataset과 RTX2080Ti GPU를 활용하여 본 논문에서 제안하는 선박 탐지 기술의 성능을 평가하였으며 SSDD데이터와 SARship에 대한 실험에서 기존 탐지 기술 중 최고의 성능을 보인 YOLOv5 대비 탐지 성능을 평가하는 주요 기준인 AP 기준 평균 1~2% 정도의 성능 향상을 확인하였다. YOLOv5 대비 성능 향상이 있지만, YOLOv5와 유사하게 실시간 동작성을 가지기 때문에 실제 제품에 적용이 가능한 수준이다.

기대와 의의

지구를 24시간 관찰할 수 있는 위성으로부터 찍힌 SAR 영상에서 다양한 크기를 가진 선박을 보다 정확하게 탐지할 수 있는 시각 AI 기술이 개발되었다. 이 기술은 높은 성능과 함께 실시간성을 가진다는 것이 주요 특징이며 군사, 물류, 항해 등 다양한 분야에 영향을 미칠 것으로 예상되며, 다양한 응용이 기대된다.