잠수함은 은밀성, 공세성, 억제 및 방어수단으로서의 유용성을 바탕으로 현대해상전의 주도권을 좌우할 수 있는 전략적인 무기체계이다. 뿐만 아니라 비대칭전력으로서의 활용가치도 높아 북한이 잠수함을 활용하여 우리 해역을 침범할 가능성이 존재하며, 주변국의 잠수함 또한 유사시 제해권 확보와 해상교통로 교란을 위해 우리 해역에서 활동할 가능성이 존재한다. 대한민국 해군은 이같은 북한 및 주변국 잠수함의 위협에 대비하기 위하여 잠수함을 조기에 탐지할 수 있는 능력을 확충하는 것이 절실히 필요하다.
잠수함의 탐지를 위해서는 크게 음향, 비음향 탐지방법이 사용되는데, 음향 탐지방법이 유용한 수단임은 분명하지만 음파의 특성, 한반도 주변해역의 복잡한 해양환경, 발전하는 과학기술 등으로 잠수함을 탐지하는데 제약사항이 존재한다. 비음향 탐지방법은 수상함이나 항공기에서 운용하는 탐지레이더, 적외선 탐지장비, 당직자의 쌍안경 및 육안으로 잠수함을 탐지하는 방법으로 잠망경심도에서 항해하면서 마스트세트를 운용하는 잠수함을 탐지하기 위해 사용된다. 그러나 비음향 탐지방법 또한 마스트세트를 운용하는 잠수함을 탐지할 수 있는 시간이 짧고, 잠수함인지 판단하는데 수상함 근무자의 직관과 경험에 크게 의존한다는 제약사항이 있다. 따라서 본 연구에서는 4차 산업혁명의 중심기술인 딥러닝 중에서도 이미지 인식에 최적화된 CNN(Convolutional Neural Network) 모델을 비음향 탐지에 활용하여 잠망경을 비롯한 스노클(Snorkel), 통신, ES(Electronic Support) 등의 마스트를 운용중인 잠수함을 탐지하는 방안을 최초로 제시하였다.
제안하는 모델은 사전 훈련된(Pre-trained) 모델의 전이학습(Transfer learning)을 통해 이미지를 잠수함, 깃대부이, 등부표, 소형 어선·보트의 4가지 클래스로 분류한다. 수면 위로 올라오는 마스트는 소형표적이므로 분류 정확도가 낮을 수 있는데, 이를 보완하기 위해 여러 CNN 모델을 결합한 앙상블(Ensemble) 모델을 활용하여 성능을 향상시키는 방안을 모색하였다. 결과적으로 VGG16, VGG19, ResNet101 3개의 모델을 앙상블한 모델에서 91.5 % 라는 테스트 정확도를 얻을 수 있었고, 클래스별 정확도는 잠수함 91.2%, 깃대부이 77.2%, 등부표 98.2%, 소형 어선·보트 100% 였다. 오분류된 이미지 간의 뚜렷한 특성은 없어 데이터 부족을 오분류의 원인으로 판단하였다. 향후에는 지속적인 데이터 확보, 추가적인 모델과 최적의 하이퍼파라미터 탐색 등을 통해 보다 정확도가 향상된 모델을 구축해 나가야 할 것이다.