Generation of Synthetic Training Data in Virtual Environments for Deep Learning-Based Object Detection

본 논문에서는 가상 환경에서 생성된 데이터를 활용하여 국방 분야에서 효과적인 이미지 분류 모델을 선정하고 실제 데이터에 접목하여 활용하는 방안을 제시한다. 시뮬레이터에 사용되는 영상 엔진을 활용해 국방 및 일반 객체의 학습용 데이터를 생성하고, CNN, ViT, YOLOv8, MLP-Mixer 등 특징적인 구조를 가진 대표 딥러닝 모델들을 대상으로 성능을 비교·분석하였다. 각 모델은 가상 환경 기반 합성 데이터로 성능을 평가한 뒤, 선정된 모델을 실제 데이터와 결합하여 최종 성능을 검증하였다. 본 접근 방식은 국방 데이터 수집의 제약을 효과적으로 극복할 수 있음을 입증한다. 특히 국방 분야에서 실시간 탐지 및 분석이 요구되는 환경에 적용할 수 있는 실질적인 기준을 제공하며, 향후 경량화와 최적화를 통해 다양한 군사 응용 분야로 확장될 수 있는 가능성을 제시한다.