A Study on Augmentation Methods for Improving Object Detection Performance on Realistic Multiple Rocket Launcher Images

본 연구에서는 다연장포의 실전적 이미지에 대한 객체인식 성능 향상을 위해 날씨변환 증강 기법을 제안한다. 다연장포는 현대전의 주요한 화력지원체계이며 특히 북한은 5500여문의 다양한 구경과 모델의 다연장포를 운용하고 있기에 우리나라에 큰 위협이 된다. 따라서 장비의 정확한 식별이 필수적이나, 활용 가능한 이미지는 주로 실전 환경과 거리가 먼 공개정보에 한정되어 있다. 반면, 실전에서는 사격 후폭풍, 연기, 악천후 등이 혼재된 환경에서 인식이 이루어져야 한다. 이에 본 연구는 날씨변환 증강 기법을 활용하여 공개정보 이미지를 바탕으로 실전적 학습 데이터셋을 구축하고, 모델을 학습시켰다. 데이터셋의 규모를 늘려가며 YOLOv8n 모델의 성능을 mAP@50:95 지표로 비교 분석한 결과 날씨변환 증강을 했을 경우가 기하학적 증강 시보다 전반적으로 성능이 나아지는 것을 확인하였다. 본 연구는 제한된 데이터 환경에서도 효과적인 증강 방법을 통해 다연장포 객체 인식 모델의 일반화 성능과 강건성을 향상시키는 방안을 제시했으며, 향후 다양한 군사 장비의 객체 인식 모델 개발 및 군사 작전에서의 활용성을 높이는 데 기여할 것으로 기대된다.