합성 개구 레이다 이미지에서 객체 탐지 성능 향상을 위한Crop-Paste 데이터 증대 기법
Crop-Paste Data Augmentation Technique for Enhancing Object Detection Performance in Synthetic Aperture Radar Images
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
합성개구레이더(SAR)는 마이크로파를 이용하여 물체를 탐지하고 관찰하는 능동 센서이다. SAR 영상은 주간, 야간, 그리고 다양한 기상 조건에서 촬영할 수 있으나, 영상의 품질은 관찰 대상의 표면 특성에 따라 달라진다. 특히, 신호 간섭에 의해 발생하는speckle noise가 영상 분석 및 라벨링 작업을 복잡하게 만든다. 본 논문은 소량의 사전 라벨링된 데이터를 활용하여 SAR 영상의 다양성을 향상시키는 Crop-Paste 기법을 제안한다. 이 기법은 클래스 불균형 문제를 효과적으로 해결하며 객체 검출 성능을개선할 수 있음을 보인다. 실험 결과, Crop-Paste 기법을 적용한 Faster R-CNN이 기존 모델에 비해 AP (0.5, 0.6, 0.7)에서각각 0.70%, 0.86%, 1.98%의 성능 향상을 달성함을 확인하였다. 본 실험은 제안된 데이터 증강 기법의 효과를 검증한다.
Abstract
Synthetic Aperture Radar (SAR) is an active sensor that uses microwaves to detect and observe objects. SARimagery can be captured during both day and night, and under various weather conditions. However, the imagequality largely depends on the surface characteristics of the observed target. In particular, speckle noise caused bysignal interference complicates image analysis and annotation tasks. This paper proposes a Crop-Paste methodthat enhances the diversity of SAR imagery using a small amount of pre-labeled data. The proposed methodeffectively addresses the class imbalance problem and improves object detection performance. Experimental resultsshow that applying the Crop-Paste technique to the Faster R-CNN model leads to performance improvements of0.70%, 0.86%, and 1.98% in AP at IoU thresholds of 0.5, 0.6, and 0.7, respectively. These experiments validate theeffectiveness of the proposed data augmentation approach.