A Study on the Detection and Classification Model for Maritime Objects Using a Lightweight RT-DETR

우리나라는 3면이 바다로 둘러싸여 있어 해안을 통한 도발과 밀입국 시도가 빈번하며, 이에 해안경계 작전의 중요성이 지속적으로 높아지고 있다. 그러나 저출산으로 인한 병력 감축과 휴먼에러에 의한 지속적인 경계작전의 실패는 기존 인력 중심 감시 체계의 한계를 드러내며, AI 기반 감시 장비의 필요성을 부각시켰다. 하지만 상시 운영되는 군 감시 장비의 특성상 높은 컴퓨팅 능력을 요구하는 딥러닝 모델을 적용하는데는 어려움이 있다. 본 연구에서는 제한된 컴퓨팅 환경 하에서 실시간으로 해상 객체를 탐지하고 분류할 수 있는 Transformer 기반의 경량화된 RT-DETR(Real Time-DEtection TRansformer) 모델을 제안하였다. 모델의 경량화는 손실함수 기울기를 기반으로 한 가지치기 기법을 적용하였다. 실험결과, 파라미터 수를 28% 줄이면서도 성능(AP 기준)에서 기존 모델의 97.1%를 유지하였으며, 모델의 처리 속도 또한 향상되었다. 이 모델은 전투함, 잠수함, 부표, 목선, 일반 선박 등 5가지 해상 객체를 분류할 수 있도록 설계되어, 군의 해안 감시 시스템에서 실시간 운용하기에 적합하다. 이러한 결과는 AI 기반의 해안 감시 시스템에서 Transformer 기반의 경량화 모델이 탐지정확도와 운영 효율성을 극대화할 수 있음을 보여준다.