선열 스펙트럼(line spectrum) 정보는 수동 소나(passive sonar) 시스템에서 수중 선박 엔진 소리를 탐지하는 데 핵심적이다. 그러나 대부분의 연구는 기존의 방법이나 영상 처리 기법에 의존하는데, 이는 종종 오류에 취약하다. 최근의 딥러닝 접근법이 유망함을 보이긴 하지만, 학습 과정에서 정밀한 라벨이 필요하여 실용성에 제약이 있다. 이러한 한계를 극복하기 위해 본 연구는 선열 스펙트럼 간의 상관관계를 포착하는 그래프 합성곱 신경망(graph convolutional network, GCN)을 사용한 선열 스펙트럼 추출 방법을 제안한다. 제안된 방법은 스펙트로그램(spectrogram)을 이미지 패치로 분할하고, 이러한 패치들을 연결 관계를 포함하는 그래프로 표현한다. 이후, 상당한 오류를 포함하는 약한 라벨(weak labels)을 사용하여 GCN을 학습하고 선열 스펙트럼을 추출한다. 공개적으로 이용 가능한 수중 음향 데이터로 수행한 실험 결과, 약한 라벨로 학습된 GCN은 선열 스펙트럼을 정확하게 추출하면서 그 상관관계를 함께 포착함을 보여주었다. 또한 제안된 방법은 기존 접근법에 비해 우수한 성능을 나타낸다.

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