선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 본 논문에서는 능동소나 표적신호의 스펙트로그램 이미지를 추출하고, 추출된 이미지를 식별할 합성곱 신경망을 설계하였다. 표적이 이미지에 포함되는 비율에 따라 8 클래스로 나누어 식별실험을 진행하였고, 그 결과 비슷한 비율을 가지는 클래스사이의 인식률은 비율의 차이가 큰 클래스 사이에 비해 낮은 인식률을 보였다.
- 그 중 CNN(Convolutional Neural Networks)은 동물의 시각정보처리과정을 모델링한 것으로 영상인식 분야에서 좋은 성능을 보이고 있는 기술이다[7]. 본 논문에서는 음향신호인 능동소나 표적 신호를 시간-주파수영역 2차원 데이터인 스펙트로그램으로 변환하고 윈도우를 사용해 이미지화 한 후, 별도의 특징추출과정을 수행하지 않고 CNN을 사용하여 식별하는 연구를 진행하였다.
- 전체 데이터 중 표적을 포함하는 7개 빔의 데이터를 사용하여 구성하였다. 표적이 포함된 데이터를 세분화하여 7개의 클래스로 구분하고, 표적이 포함되지 않은 데이터를 1개 클래스로 두어 8개 클래스를 설정하였다. 클래스를 구분한 기준은 추출한 이미지 내에 포함된 표적의 비율이다.
대상 데이터
- 표적데이터를 부분데이터로 세분화한 이유는 부분데이터가 표적 및 비표적 데이터와 구분이 가능한지 확인하고 추후 연구에서 활용하기 위해서이다. 8개 클래스 데이터는 펄스 반복 구간에서 무작위로 빔을 선택하는 방법을 사용하여 학습데이터, 비교데이터, 테스트 데이터로 나누어지며, 각각 11100개, 11200개, 11100개의 데이터로 구성된다.
- 능동 소나 표적신호의 스펙트로그램을 사용하여 8비트 그레이 이미지 데이터를 생성하였다. Fig.
- 데이터 셋은 19개의 서로 다른 펄스 반복 구간에서 얻어진 빔포밍데이터이다. 전체 데이터 중 표적을 포함하는 7개 빔의 데이터를 사용하여 구성하였다.
- 샘플링주파수 31.25kHz, 중심주파수 3.9kHz, 대역폭 400Hz, 펄스폭 50ms의 LFM(Linear Frequency Modulation)신호에 의해 얻어진 4초길이의 능동소나신호를 사용하였다[8].
- 해당 이미지 전체를 네트워크의 입력으로 사용하기에는 표적신호에 해당하는 영역에 비해 너무 넓으므로 효율이 좋지 않다. 이에 따라, 윈도우를 사용하여 표적을 포함하는 128X128크기의 이미지를 추출하였다. Fig.
- 데이터 셋은 19개의 서로 다른 펄스 반복 구간에서 얻어진 빔포밍데이터이다. 전체 데이터 중 표적을 포함하는 7개 빔의 데이터를 사용하여 구성하였다. 표적이 포함된 데이터를 세분화하여 7개의 클래스로 구분하고, 표적이 포함되지 않은 데이터를 1개 클래스로 두어 8개 클래스를 설정하였다.
- 5로 설정하였다 [11]. 특징맵은 첫 번째 합성곱층에서 8개, 두 번째 합성곱층에서 16개, 세 번째 합성곱층에서 8개 사용하였다. 학습률은 10-4으로 설정하였고, 배치크기는 100개, 최대 학습 횟수는 1000회로 설정하였다.
이론/모형
- 본 논문에서는 능동 소나 이미지 데이터를 분류하기 위해 CNN을 사용하였다[7]. CNN은 동물의 시각 정보 처리과정을 모델링한 신경망 구조이다.
- 딥러닝모델을 학습시킬 때, 데이터가 부족할 경우 모델이 주어진 학습데이터에 과적합하여 학습데이터 외의 실제 데이터에 대한 성능을 기대하기 어려워진다. 본 논문에서는 이를 해결하기 위해 데이터 확장기법을 사용하였다[7]. 데이터 확장기법은 과적합현상을 방지하기 위해 변형된 학습데이터를 생성하여 데이터의 양을 증가시키는 기법이다.
- 실험은 파이썬 3.5버전의 텐서플로우 라이브러리를 사용하여 진행하였다[9]. 합성곱층에 사용된 필터는 3×3의 크기로, Max pooling의 크기는 2×2로 설정하였다.
- 플랫층은 3번째 합성곱층의 출력을 1차원으로 펼친 것으로 출력층과 가중치로 연결되어 있다. 활성화 함수(activation function)로는 ReLU(Rectified Linear Unit)를 사용하였고, Dropout을 적용하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.