SAM 기반 향상된 Copy-Paste 데이터 증강을통한 고정밀 선박 탐지
Enhanced Copy-Paste Data Augmentation Using SAM for Precise Ship Detection
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
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.
Abstract
With the increase in maritime traffic and security threats, precise and reliable ship detection is in high demand. This study proposes two data augmentation techniques for the HRSC‑2016 dataset. Both methods expand thetraining data by creating context‑preserving synthetic images, copy‑pasting ship masks extracted by the SegmentAnything Model (SAM) onto real ocean backgrounds. In evaluation, the Enhanced Copy-paste Using SAM(ECUS)achieved a +4.6 % gain in mAP@50–95, +3.1 % in mAP@50, and +4.7 % in mAP@75 over the baseline. When trainingdata was reduced to 100 images, the Object-Focused Image Masking(OFIM) alone improved mAP@50–95 by +5.5 %. Combining ECUS and OFIM methods yielded a +9.4 % gain, confirming their complementary effects. This demonstratesthat context‑preserving data augmentation effectively improves ship detection accuracy and can contribute tomaritime surveillance and defense.