Earticle

초록

영어

This study focuses on the utilization of drones by the Ukrainian military to achieve tactical objectives during the Russia-Ukraine war. The study aimed to classify the drones primarily used by the Ukrainian military and propose response strategies for each type of drone. The data was collected through a crawling technique and categorized by drone types (Bayraktar, blackhornet, mavic3, Switchblade). The models used for classification were ResNet-50 and EfficientNet-B0. To address the issue of insufficient training data, data augmentation techniques and transfer learning were employed during the model training process. Hyperparameter tuning was carried out with a focus on batch size, learning rate, and learning layer to enhance the model's performance. The experimental results showed an accuracy of 84.62%. Additionally, the study also discusses how to propose response strategies based on the classified drone results.

한국어

본 연구는 러시아-우크라이나 전쟁에서 우크라이나군이 드론을 활용하여 전술적 목표를 달성하는 것에 주목하여 우크라이나군이 주로 사용하는 드론을 분류하고 드론별로 대응방안을 제시하는 모델을 학습하였다. 데이터는 크롤링 기법을 통해 드론 종류(Bayraktar, blackhornet, mavic3, Switchblade)별로 구축하였고, 모델은 ResNet-50과 EfficientNet-B0을 사용하였다. 모델을 학습하는 과정에서 부족한 학습 데이터 문제를 해결하기 위해 데이터 증강기법과 전이 학습을 활용하였다. 모델의 성능을 높이기 위해 batch size, learning rate, learning layer를 중점적으로 하이퍼 파라미터 튜닝을 진행하였다. 실험결과로써, 제안방법은 84.62% 정확도를 보여주었다. 추가적으로 이렇게 분류된 드론결과를 토대로 대응방안을 제시하는 방법도 다루었다.

목차

요약
ABSTRACT
1. 서론
2. 관련연구
2.1 드론 식별을 위한 CNN 기반 이미지 분류 모델 성능 비교
2.2 딥러닝 기반 드론 검출 및 분류
3. 방법론
4. 실험 및 평가
4.1 데이터셋
4.2 실험결과본
4.3 국방분야에 대한 고찰
5. 결론
참고문헌

키워드

저자

• 박성혁 [ Seong Hyeok Park | 국방부 육군보병학교 학생장교 ] 주저자
• 권현 [ Hyun Kwon | 육군사관학교 AI·데이터과학과 부교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  융합보안논문지 [Jouranl of Information and Security]

• 간기

  연5회

• pISSN

  1598-7329

• 수록기간

  2001~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 005 DDC 005