Earticle

초록

영어

As the operational use of Manned-Unmanned Teaming (MUM-T) expands, reliable maritime target identification performance has emerged as a core requirement for deploying unmanned systems. We provide empirical evidence for model selection by comparing the transfer learning performance of a CNN-based ResNet-50 and a Transformer-based Vision Transformer (ViT) for maritime target identification. Through repeated experiments using 5 different random seeds on a public ship image dataset from Kaggle, we confirmed that ViT achieved a mean accuracy of 96.33%, outperforming ResNet-50 (94.57%). Unlike prior studies that were predominantly limited to comparisons between CNN-based models, we conduct a comparison between distinct architectures CNN and Transformer under identical preprocessing and training conditions, and quantify the stability of the results through repeated runs. Furthermore, this study serves as a starting point for model selection in MUM-T applications and outlines directions for future work, including validation with operational domain data and real-time deployment optimization.

한국어

유·무인 복합체계(MUM-T) 운용이 확대됨에 따라 해상 환경에서의 표적 식별 성능과 신뢰성은 무인 체계 적용의 핵심 요건으로 부상하고 있다. 본 연구는 해상 표적 식별에서 CNN 기반의 ResNet-50과 Transformer 기반의 ViT의 전이학습 성능을 비교하고 이를 통해 모델 선택에 대한 실증적 근거를 제시하였다. Kaggle의 공개 선박 이미지 데이터셋을 활용하여 서로 다른 5개의 시드(Seed)를 적용한 반복 실험을 수행한 결과, 우리는 ViT가 평균 정확도 96.33%를 기록하여 ResNet-50(94.57%) 대비 우수한 성능을 발휘함을 확인하였다. 기존 연구들이 CNN 기반 모델 간의 성능 비교에 국한되었던 것과 달리, 본 연구는 서로 다른 아키텍쳐인 CNN과 Transformer를 동일한 환경에서 비교하고, 반복 실험을 통해 결과의 재현성과 안정성을 정량화하였다는 데에 의의가 있다. 나아가 본 연구는 유·무인 복합체계의 모델 선택을 위한 기초 자료로서, 향후 실제 작전 환경 데이터를 기반으로 한 검증 및 실시간 최적화 연구의 방향성을 제시한다.

저자

• 김영완 [ Yeongwan Kim ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700