합성개구레이더(Synthetic Aperture Radar, SAR) 영상의 선박 탐지는 다양한 해양 응용에서 중요하지만, 시점, 배경, 조명 가림, 다중 스케일과 같은 요인들로 인해 소형 선박 탐지는 여전히 어렵다. 본 논문에서는 SAR 영상에서 딥러닝 기반 선박 탐지 모델의 성능을 향상시키는 데 있어 다양한 어텐션 모듈의 효과에 대한 제거(ablation) 연구를 제시하였다. 객체 크기에 따라 가장 효과적인 어텐션 모듈을 파악하기 위해, 백본 네트워크로 ResNet34와 ResNet50을 사용하여 일련의 실험을 수행하였다. 또한 선박 탐지에 효과적인 영상 전처리 기법을 조사하였다. 실험 결과는 컨볼루션 블록 어텐션 모듈(convolutional block attention module, CBAM)이 ResNet34와 같은 단순한 네트워크에서 소형 객체 탐지에 더 우수함을 보여주었고, 공간 어텐션(spatial attention) 모듈은 ResNet50과 같은 복잡한 네트워크에서 더 나은 성능을 보였다. 더 나아가 객체 크기에 따라 영상 스케일을 조정하면, 특히 소형 선박에서 탐지 성능이 현저히 향상되었다. 이러한 결과는 어텐션 메커니즘을 네트워크 아키텍처와 객체 크기에 맞추는 것의 중요성을 강조할 뿐 아니라, 보다 효과적인 SAR 선박 탐지 모델을 설계하는 데 유용한 통찰을 제공한다. 본 결과는 SAR 선박 탐지 분야에서 효과적인 네트워크를 설계하는 데 기여할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.