Robust Underwater Target Tracking and Multiview Instance Matching Research
연구 내용
약한 음향 신호의 수중 환경에서 표적을 분할·추적하고, 가림과 다중시점 변화에 강건한 매칭을 통해 모션 분석 성능을 높이는 연구
수동 소나 기반 수중 표적 탐지는 잡음과 신호 수신율 저하로 인해 방향각 추정이 어려우며, 누적된 bearing-time 정보(BTR)를 정확히 해석하는 것이 핵심입니다. 이에 따라 BTR 이미지에 대한 딥러닝 분할 네트워크를 구성하고, 클래스 불균형을 완화하는 학습 손실을 제안하여 표적 영역 추정 성능을 개선합니다. 또한 실제 표적 bearing 데이터를 확보하기 어려운 조건을 고려해 합성 BTR 데이터셋을 구축합니다. 가림이 동반되는 다중시점 환경에서는 점진적 매칭 절차와 초기 분할 보정으로 ID 매칭 정확도를 높이며, 이를 통해 추적·모션 분석 파이프라인의 안정성을 확보합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 수동 소나에서 생성되는 BTR 이미지가 잡음에 의해 왜곡되는 문제를 신호 수신 조건과 연계해 정리하고, 분할 네트워크로 방향각 정보의 가독성을 높이는 접근을 수행했습니다. 이후 실제 데이터 획득의 제약을 해결하기 위해 수중 시나리오를 반영한 합성 데이터 생성 체계를 도입하고, 클래스 불균형을 다루는 손실 설계로 학습 안정성을 확보했습니다. 최근에는 강화학습 기반 모션 분석으로 추적 결과의 시간적 일관성을 강화하는 방향으로 확장하고, 다중시점 가림 환경에서는 점진적 인스턴스 매칭과 분할 마스크 보정을 적용하여 강건성을 보강하는 연구를 수행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Target Tracking from Weak Acoustic Signals in an Underwater Environment Using a Deep Segmentation Network
Reinforcement learning-based automated target motion analysis in underwater environments
Progressive Multiview Instance Matching: Occlusion-Robust Approach With Initial Segmentation Enhancement