Earticle

초록

영어

This study proposes a YOLOv8-based transfer learning model for military aircraft detection. The proposed model provides high accuracy in real-time detection and classification of military aircraft and demonstrates effective performance in real-world environments by utilizing video data. The study applies transfer learning techniques to optimize the classification system for 75 aircraft classes and enhances the model’s accuracy and efficiency using actual video data. Experimental results show that the model achieved an mAP50 of 0.7, demonstrating its practical potential for real-time military aircraft detection and classification.

한국어

본 연구는 군용 항공기 탐지를 위한 YOLOv8 기반 전이 학습 모델을 제안하였다. 제안된 모델은 실시간으로 군 항공기를 탐지하고 분류하는 데 높은 정확도를 제공하며, 동영상 데이터를 활용하여 실전 환경에서도 효과적인 성능을 발휘한다. 연구에서는 75개 항공기 클래스를 대상으로 전이 학습 기법을 적용하여 최적화된 분류 체계를 구축하였으며, 실제 영상 데이터를 사용하여 모델의 정확도와 효율성을 높였다. 실험 결과, 모델은 mAP50에서 0.7이라는 성능을 기록하였으며, 이는 실시간 군용항공기 탐지와 분류에 실용적인 가능성을 제시한다.

목차

요약
ABSTRACT
1. 서론
2. 관련 연구
2.1 AI 기반 감시 및 탐지 시스템의 발전
2.2 전이 학습 및 YOLO 모델을 활용한 실시간 탐지
3. 방법론
4. 실험 및 평가
4.1 데이터셋
4.2 실험 과정
4.3 실험 결과
4.4 국방 분야에서의 활용
5. 결론
참고문헌

키워드

저자

• 타이 [ Tran Quang Thai | 홍익대학교 전기전자공학과 석사과정 ] 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