ISR 작전에서의 AI 적용방안 및 그 실증에 관한 연구 = AI-Based Approaches for ISR Operations : Application and Experiments|RISS 상세보기

국문 초록 (Abstract)

현대전에서 다양한 ISR 자산을 통해 수집·전송되는 영상정보는 지속적으로 증가하고 있다. 그러나 이를 처리하는 인공지능 기반 ISR 영상 분석 체계는 여전히 영상 내 객체의 단순 탐지·식별 수준에 머물러, 정보 포화로 인한 판 독관의 분석 부담을 가중시키고 의사결정 효율성을 저하시킬 수 있다. 이에 본 연구는 향후 ISR 영상 분석에 요구되는 인공지능 기술의 발전 방향과 구 체적 응용 방안을 제시하고, 시뮬레이션 기반 실험을 통해 그 타당성을 실증 적으로 검증하고자 하였다. 첫째, 의사결정 효율성 측면에서 YOLO 기반 탐지 결과를 활용한 우선순위 프레임을 자동 선별하였다. 이를 통해 방대한 영상 중 판독관의 판단에 실질 적으로 도움이 되는 핵심 장면만을 추출함으로써, 판독관의 인지부하를 줄이 고자 하였다. 둘째, 상황 인식 보완 측면에서는 YOLO 탐지 결과에 PatchCore 기반 이상 탐지 기법을 결합하여, 새로운 객체의 출현과 기존 객체의 부재를 함께 식별 하고자 하였다. 실험 결과, PatchCore는 전차가 새로 등장한 영역이나 함정이 사라진 위치 주변을 붉은색 계열의 이상 영역으로 시각화하여, YOLO 단독으 로는 인식하기 어려운 비정상 패턴을 직관적으로 드러내는 것을 확인하였다. 이를 통해 이상탐지 모듈이 기존 탐지 모델의 한계를 보완할 수 있는 보조 수 단이 될 가능성을 보여주었다. 셋째, 신뢰성 향상 측면에서는 Real-ESRGAN 기반 해상도 복원 실험을 수 행하였다. 복원된 영상은 시각적으로는 선명도가 향상되었으나, 탐지 성능 지 표는 오히려 소폭 하락하였다. 이를 통해 화질 중심의 초해상화가 반드시 탐 지 성능 향상으로 이어지지 않으며, 탐지 목적에 적합한 SR 구조 설계와 저해 상도 특화 학습 전략이 병행되어야 함을 시사한다. 넷째, 보안성 검증 측면에서는 FGSM(ε=0.01) 기반 적대적 교란 실험을 수 행한 결과, YOLOv8 모델의 mAP@0.5가 0.896에서 0.646으로 나타났다. 이는 현행 객체 탐지 모델이 적대적 환경에서 쉽게 성능이 저하될 수 있음을 실증 적으로 보여준다. 이러한 결과는 ISR 운용에서 인공지능이 단순한 객체 탐지를 넘어 탐지 효 율성·상황 인식·신뢰성·보안성을 종합적으로 고려 되야 함을 시사한다. 다만 본 연구는 시뮬레이션 기반 환경에서 수행되었기 때문에 실제 전장의 복잡한 상황을 완전히 반영하지 못하였으며, EO·IR·SAR 등 다중 센서 융합 정보를 포괄하지 못한 한계가 있다. 향후에는 위성의 실제 위성 영상 데이터를 활용 하고, 다중 센서 기반 융합 데이터를 반영하여 멀티 정보융합체계로 연구를 확장할 필요가 있다. 결론적으로, 본 연구는 인공지능이 ISR 분야에서 단순 객체 탐지 보조 도구 를 넘어, 다양한 분석 기능을 수행하는 방향으로 발전할 수 있음을 실험적으 로 제시하였다. 이러한 결과는 향후 군사 정보분석의 자동화와 AI 기반 ISR 운용 고도화를 위한 기초 자료로 활용될 수 있다는 점에서 의의를 가진다. 주요어 : ISR, 인공지능, YOLOv8, PatchCore, Real-ESRGAN, FGSM

번역하기

현대전에서 다양한 ISR 자산을 통해 수집·전송되는 영상정보는 지속적으로 증가하고 있다. 그러나 이를 처리하는 인공지능 기반 ISR 영상 분석 체계는 여전히 영상 내 객체의 단순 탐지·식�...

목차 (Table of Contents)