KCI등재
VGG16 기반 기갑 및 기계화 부대의 무기체계 상태분류 AI 모델 = An AI Model for Classifying The State of Armored and Mechanized Weapon Systems Based on VGG16
저자
발행기관
학술지명
한국산학기술학회논문지(Journal of Korea Academia-Industrial cooperation Society)
권호사항
발행연도
2022
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
741-748(8쪽)
DOI식별코드
제공처
소장기관
In the future battlefield environment where MUM-T is established, unmanned systems are mainly deployed before manned systems in areas with a high risk of human casualties. Important information when performing combat missions is state information of the enemy weapon system. After the preparatory fires, damage assessments, such as the possibility of performing combat missions on the enemy weapon system state, were conducted based on information collected by an RCV. The classification of the weapon system state using AI models is an important problem because the damage assessment and countermeasures should be determined as soon as possible. This study proposed a military classifier (MC) model that can effectively classify the state of the enemy weapon system. The weapon system state data of armored and mechanized units obtained in the Russia-Ukraine war were analyzed. A comparison of the performance of the existing VGG16 model with the MC model confirmed that the MC model proposed in this study improves its performance in the state classification of weapon system state even if it learns fewer image data than the existing VGG16 model.
더보기유·무인 복합체계가 구축된 미래 전장 환경에서 무인체계는 주로 인명피해의 위험성이 높은 지역에서 유인체계보다 먼저 투입되어 임무를 수행할 것으로 예측된다. 전투 임무를 수행할 때 중요한 정보는 적 무기체계의 상태 정보이다.
공격 준비 사격 후 본대가 투입되기 전 무인체계인 로봇전투차량이 수집한 정보에 기반하여 적 무기체계 상태에 대해전투 임무 수행 가능 여부 등의 피해평가를 진행한다. 이때 최대한 단시간에 피해평가 및 대응책이 결정되어야 하므로AI 모델을 활용한 무기체계의 상태분류는 중요한 문제이다. 본 연구에서는 적 무기체계의 상태를 효과적으로 분류할수 있는 합성곱신경망 MC(Military Classifier) 모델을 제안하였다. 러시아-우크라이나전에서 확보한 기갑 및 기계화부대의 무기체계 상태 데이터를 분석하고, 각 무기체계의 피해 상태가 효과적으로 분류될 수 있도록 VGG16 모델을활용하여 MC 모델을 구축하였다. 기존 VGG16 모델과 MC 모델의 성능을 비교한 결과, 본 연구에서 제안하는 MC 모델이 기존 VGG16 모델보다 적은 수의 이미지 데이터를 학습시켜도 무기체계의 상태분류에 있어 성능이 향상되는것을 확인할 수 있었다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)