초록
무인 항공기(UAV)를 활용한 딥러닝 기반의 객체 탐지기 학습을 위한 데이터 확보는 비용이 많이 들고 시간이 오래 걸릴 뿐만 아니라, 특정 환경에서는 법적으로 금지될 수도 있다. 반면에 합성 데이터는 빠르고 저렴하게 접근할 수 있다. 본 연구에서는 다양한 응용 환경에서 UAV로부터의 객체 탐지에 합성 데이터의 잠재적 활용 가능성을 탐색한다. 이를 위해, 오픈소스 프레임워크 DeepGTAV를 UAV 시나리오에 적합하도록 확장하였다. 여러 도메인에서 대규모 고해상도의 합성 데이터셋을 촬영하여, 다양한 모델과 학습 전략을 분석함으로써 실세계 UAV 객체 탐지에 있어 이러한 데이터셋의 활용 가능성을 입증하였다. 또한, 데이터 생성 및 샘플링에 대한 여러 파라미터를 분석하여 향후 과학 연구를 위한 실용적인 엔지니어링적 조언을 제시하였다. DeepGTAV 프레임워크는 https://git.io/Jyf5j에서 공개되어 있다.