Earticle

초록

한국어

러시아-우크라이나 전쟁을 걸치면서 재래식 무기에 대한 관심이 커지고 전투에 무조건적인 승리를 가져다줄 것만 같았던 기술들이 실전에서 큰 도움이 되지 않은 모습을 볼 수 있었다. 그에 따라 평소 크게 관심을 가지지 않았던 북한의 재래식 무 기 중 주요전력은 아니지만 사용 가능성 있는 주요 헬리콥터를 구분할 수 있는 모델이 있다면 도움이 될 것이라는 판단하였 다. 이에 따라 북한군에서 자주 사용되는 헬리콥터에 대해서 분석하여 4가지를 정하였고 해당 데이터를 직접 수집하였다. 또 한 합성곱신경망 모델 중 ResNet50 모델을 이용하여 4진 분류모델을 구축하였고 75% 정확도를 얻을 수 있었다. 향후 연구로 헬리콥터뿐만 아니라 다른 재래식무기들도 분류할 수 있는 모델을 연구할 계획이다.

영어

During the Russia-Ukraine war, there has been a growing interest in conventional weapons, and it has become evident that technologies previously believed to guarantee victory in combat have not been as effective in practice. Consequently, there is a thought that identifying usable major helicopters, even if they are not the primary assets, among North Korea's conventional weapons, which usually do not attract much attention, could be beneficial. Using the ResNet50 model, a type of convolutional neural network, and transfer learning, I developed a classification model and achieved 75% accuracy. Although not all helicopters were covered, and the limited training data prevented achieving higher accuracy, the results were meaningful. Moving forward, it is necessary to develop a high-performance model capable of classifying not only the helicopters covered in this study but all helicopters. Furthermore, creating a model that can classify other conventional weapons as well could slightly increase the chances of victory in combat.

목차

요약
ABSTRACT
1. 서론
2. 관련연구 및 배경
2.1. 북한의 헬기
2.2 합성곱 신경망
3. 연구방법
4. 실험 및 평가
4.1 데이터셋
4.2 분류 모델
4.3 실험 결과
5. 결론
참고문헌

저자

• 양진욱 [ Jinuk Yang | 육군 8기동사단 포병여단 다련장사격대 전포대장 ] 주저자
• 권현 [ Hyun Kwon | 육군사관학교 AI·데이터과학과 부교수 ] 교신저자

참고문헌