현대전은 정보전이라는 말에서 알 수 있듯이 최근의 전쟁사례를 보면 위성영상을 분석하여 획득한 적에 대한 정보를 바탕으로 적의 지휘시설이나 주요 무기체계들을 먼저 공격한 후 지상군을 투입하여 전쟁을 종결하는 과정으로 작전이 실시됨을 알 수 있다. 이러한 이유로 전시에, 위성영상 분석은 최대한 신속, 정확하게 이루어져야 하는 목적이 있으며 그 목적을 AI 기반의 이미지 처리기술을 이용한다면 달성할 수 있다.
이러한 이유로 선행연구에서는 위성영상 내 객체식별을 위해 ROI를 설정하고 YOLO 알고리즘을 활용한 머신러닝을 통해 학습 및 실험을 실시하고 그 결과를 분석하였다. 분석 결과 높은 탐지율로 원하는 객체인 항공기를 탐지하였지만, 그와 동시에 비교적 높은 오탐이 발생하였다. AI 기술을 통해 사람의 역할을 컴퓨터가 대신할 수 있다 하더라고 그 수행간 정확도가 떨어진다면 그 효용성에 의심을 가질 수 밖에 없어 활용도가 떨어질 것이다. 선행연구에서 위성영상 내에서 소형객체식별을 위한 AI 활용의 가능성을 살펴보며 발생한 문제점인 높은 오탐 발생 문제를 해결할 수만 있다면 이 모델을 군사 분야에서 활용할 수 있는 가능성이 더 높을 것이다.
따라서 본 연구에서는 이 오탐율을 줄이기 위해 최근에 제안된 CNN 알고리즘의 하나인 Mask R-CNN을 활용하여 기계학습 및 테스트를 진행하여 YOLO 알고리즘에서 발생한 오탐을 제거할 수 있는 보다 개선된 이미지처리 알고리즘을 제안한다. ROI를 설정 후 YOLO 알고리즘을 통해 식별한 객체들을 다시 Mask R-CNN 알고리즘을 통해 학습시킨 Layer을 통과시켜 정탐된 객체들에 대해서는 다시 한번 원하는 객체가 맞는지 자동으로 검증하고, 오탐된 객체들은 제거 함으로써 결과적으로는 전체 오탐을 줄이는 방법으로 실험을 진행하여 결과를 살펴보았다. 그 결과 Mask R-CNN 알고리즘으로 학습한 Layer를 통과한 후 식별된 이미지들의 오탐이 현격하게 감소한 것을 확인하였다. 종합하면, 기존의 CNN 알고리즘에 Mask R-CNN 으로 학습한 Layer를 추가하여 객체식별 시도 시 오탐율을 줄일 수 있어 군에서의 기존의 영상판독 지원업무에 활용 가능성을 더욱 높일 것으로 기대 된다.