CNN 모델은 이미지의 공간정보를 유지하면서 이미지의 특징을 추출하고 이를 학습시켜 이미지를 분류하는 모델로 SAR 영상내 표적자 동분류 문제에 다양하게 적용되고 있다. SAR 표적영상은 레이다를 탑재하여 실제 비행을 통해 획득해야 하므로, 이에 따른 시간과 비용이 많이 소모되어 충분한 학습데이터를 확보하는 것이 제한된다. 이를 단일 CNN 모델 학습에 사용할 경우, 과적합(Over-fitting) 문제가 발생할 수 있고, 학습되지 않은 이미지 테스트시 분류 정확도가 크게 떨어질 수 있다. 이 문제의 해결을 위해, 학습데이터에 대한 증강(Data augmentation)을 통해 부족한 학습데이터를 늘리고, 여러 개의 CNN 모델을 연결시키는 앙상블(Ensemble)기법을 이용하여 정확도를 향상시켰다.
해당 모델들의 성능 평가를 위한 loss와 accuracy는 학습 횟수(Epoch)가 증가함에 따라 분류 정확도가 높아짐을 확인했다. 이 기능을 적용할 경우 조종사의 표적식별 업무를 전투기용 레이다 시스템으로 전이할 수 있을 뿐만 아니라, 조종사보다 정확하게 표적을 분류할 수 있을 것으로 기대한다.
출처 : 전투기용 레이다 기반 SAR 영상 자동표적분류 기능 구조 및 CNN 앙상블 모델을 이용한 표적분류 정확도 향상 방안 연구(시스템엔지니어링 학술지, 2020.06)