군사 환경에서 소나신호 이용 수중지뢰 및 암석 분류를 위한 경량화 모델 연구
Lightweight Classification Model for Underwater Mines and Rocks Using Sonar Signals in Military Environment
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구의 목표는 SONAR 데이터를 활용하여 해양 군사 환경에서 수중 물체인 암석과 지뢰를신속하고 정확하게 탐지하는 경량화된 기계학습 모델을 개발하는 것이다. 이를 위해 KNN, SVM, Logistic Regression, LightGBM 및 MLP 등 5종의 기계학습 모델로 학습을 실시하고 분류 성능을비교 분석하였다. 모델의 분류 성능을 향상시키기 위해 주성분 분석(PCA) 및 선형 판별 분석(LDA)과 같은 전처리 기법을 적용하였고, 학습 모델별로 하이퍼파라미터를 미세조정하면서 최적화된 값을 도출하였다. 실험 결과, PCA를 통해 특성 차원을 29개로 축소하여 학습을 실시한 SVM 모델이 96.15%로 가장 높은 정확도를 달성하였으며, 기존 기계학습 기반 모델 대비 모든 성능이우수하게 나타났다. 특히 제안하는 접근방법은 수중 지뢰에 대한 오분류가 전혀 발생하지 않아향후 해양 군사 환경에서 잠수함 및 수중 드론 등의 탐지에도 유용할 것으로 판단된다.
Abstract
The purpose of this study is to develop a lightweight machine learning model that can quickly and accurately classify underwater objects such as rocks and mines in a maritime military environment using SONAR data. To achieve this, we traind five machine learning models including KNN, SVM, Logistic Regression, LightGBM, and MLP, and analyzed and compared their classification performances. In order to improve the classification performance of the models, preprocessing techniques such as PCA and LDA were applied. Hyperparameters were also fine-tuned for each training model to derive optimized values. As a result of the experiment, the SVM model, which was trained by reducing the feature dimensions to 29 through PCA, achieved the highest accuracy of 96.15%, and all performances were superior to those of existing machine learning-based models. In particular, the proposed approach does not cause any misclassification of underwater mines at all, so it is expected to be useful for detecting submarines and underwater drones in a marine military environment in the future.