김예찬 (yechankim@gm.gist.ac.kr)

ADD 국방과학연구소

1. 실세계 도메인에서 영상 내 표적의 탐지 및 인식을 위해 딥러닝 기반의 인공지능 모델이 큰 주목을 받고 있음

2. 특히 R-CNN 및 YOLO 계열 등 딥러닝 기반의 객체 탐지 모델은 큰 성능 향상을 달성한 바 있으며, 최근 준지도학습 (Semi-supervised Learning), 지식 증류 (Knowledge Distillation)를 이용한 최적화 기법과 트랜스포머 (Transformer)와 같은 새로운 아키텍처의 등장은 더욱 향상된 탐지 및 인식을 가능케 함

3. 하지만 현재 트랜스포머 모델은 일반 영상을 대상으로 한 연구가 다수이며, 위성 영상을 대상으로 한 연구는 아직 활발하지 않은 편임

4. 특히 최근 많은 국가에서 정찰위성 개발에 착수한바, 신속 정확한 정찰표적 감지 및 인식을 위한 트랜스포머 모델 연구는 미래 국방 기술력 확보를 위해 필요함

광역 위성 영상에 적합한 표적탐지 트랜스포머 아키텍처 연구

1. 위성 시점의 대규모 군 표적탐지 합성 데이터 구축 자동화 연구

2. 위성영상 표적탐지에 적합한 데이터 증강 기법 연구

3. 위성영상에 적합한 표적탐지 트랜스포머 모델 및 최적화 기법 연구

4. 초고해상도 광역 위성영상에 적합한 병렬 처리 프레임워크 / 추론 고속화 기법 연구

주요 아이디어 및 실험 계획은 보안 문제로 공개할 수 없음

단, 논문 게재 / 특허 등록 등으로 기술 보호가 가능한 경우에 한해, 개발 완료된 기술을 본 홈페이지를 통해 공개 예정 

• 실무책임

• 군 표적탐지용 데이터 자동 생성 연구 (시뮬레이션 기반)

• 표적탐지 모델 아키텍처 설계

• 표적탐지 모델 최적화 연구

• 군 표적탐지용 데이터 자동 생성 연구 (시뮬레이션 기반)

• 군 표적탐지용 데이터 자동 생성 연구 (시뮬레이션 기반)

• 군 표적탐지용 데이터 생성 시 어노테이션 무결성 검사 기법 개발

• 어노테이션 정제 툴킷 개발

• 군 표적탐지 모델 훈련 촉진을 위한 데이터 증강 연구

• 초고해상도 광역 위성영상에 적합한 병렬 처리 프레임워크 개발

• 가상 환경에서 카메라 행렬 획득 / 3D -> 2D Data Point Projection 알고리즘 개발 시 자문

• Raw Meta Data로부터 Bounding Box 추출 알고리즘 개발 시 자문

• 선행연구 (데이터 및 모델) 조사 수행

• 데이터 시각화 도구 개발

• 어노테이션 정제 툴킷 개발