earticle

영어

This study develops a system that detects military objects based on deep learning and estimates the bodies of military objects excluding gun barrels. For this purpose, we build a dataset consisting of classes of tanks, panzers, and human objects. In particular, the tank class mainly consists of data obtained by capturing remotely controlled tanks, and the entire dataset is used for training and testing of YOLOX detector for object detection. An object detected as the tank class is segmented into a regions of interests, and the lower part of the image is divided into several cells. After the distribution of the RGB histogram in each cell is computed, spectral clustering through similarity between histograms of cells is applied to classify the body and background. For YOLOX-L, we achieve 89.2% AP 50, and show that the body parts of military objects excluding the gun barrel are well recognized. The proposed system not only improves the ability to detect objects in defense scenarios, but also accurate aiming and artillery fire are achieved by driving the turret based on the body parts for opposing tanks.

한국어

본 연구는 딥러닝을 바탕으로 군용객체를 검출하고, 포신을 갖고 있는 객체에 대해 포신을 제외한 몸체 영역을 추정 하는 시스템을 개발한다. 이를 위해 전차, 장갑차, 사람 객체의 클래스로 구성된 데이터셋을 구축한다. 특히, 전차 클래스는 주로 원격조종 전차를 촬영하여 얻은 데이터로 구축되고, 전체 데이터셋은 객체 탐지를 위해 YOLOX 검 출기의 학습과 테스트에 이용된다. 전차 클래스로 검출된 객체는 검출된 영역을 분리하고 영역의 하단 부분을 여러 개의 셀로 나눈다. 그 후, 각 셀의 RGB 히스토그램의 분포를 계산하고 셀 간의 유사도를 통한 스펙트럼 군집화를 적용하여 몸체와 배경을 분류한다. YOLOX-L 모델을 사용하였을 때 IoU 0.5에서 89.2%의 AP 결과를 얻었으며, 포신을 제외한 군용객체의 몸체 부분을 인식하는 것을 보였다. 본 연구에서 개발된 기술을 바탕으로 방위 시나리오 에서의 객체 탐지 능력을 향상시키고, 상대 전차의 몸체 부분을 바탕으로 포탑 구동을 통해 정확한 조준 및 포격하 는데 활용된다.