해무 환경에서 디헤이징 기반 객체 탐지 성능 향상 연구
Enhancing Object Detection Performance in Sea Fog Environments Using Dehazing Techniques
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 국방 분야에서는 병역 자원 감소로 인해 AI 기반 무인 감시체계의 필요성이부각되고 있다. 특히, 기후변화로 인한 해수면 온도 상승과 수증기량 증가로 해무발생 빈도가 높아지면서, 해무 환경에서의 감시 성능 향상이 중요한 과제로떠오르고 있다. 본 연구에서는 해무로 인해 저하된 영상의 선명도를 개선하고, 객체 탐지 성능을 향상시키기 위한 디헤이징 기법을 제안한다.이를 해결하기위해, 실제 해무 환경 CCTV 데이터를 활용하여 AOD-Net 모델을 도메인 특화방식으로 파인튜닝하고, 이를 YOLO 객체 탐지 모델과 연계함으로써 해양감시체계의 탐지 정확도와 신뢰도를 향상시키는 방법을 제시한다. 본 연구는향후 국방 분야의 무인 감시 및 정찰 체계 구축을 위한 핵심 기술로 기여할 수있을 것으로 기대된다.
Abstract
The development of AI-based unmanned surveillance systems has become increasingly important due to the global decline in the military workforce. In maritime environments, the rising frequency of sea fog, driven by increasing sea surface temperatures and atmospheric moisture from climate change, poses significant challenges to visual surveillance. This study proposes a dehazing technique to enhance image clarity degraded by sea fog and improve object detection performance. Existing dehazing methods, primarily based on terrestrial data, are limited in addressing the color distortion and low contrast commonly observed in maritime conditions. To address this, the AOD-Net model is fine-tuned domain-specific using real CCTV data from foggy maritime environments and integrated with a YOLO-based object detection model. The proposed approach improves detection accuracy and reliability, and is expected to contribute as a core technology for advancing unmanned surveillance and reconnaissance systems.