해저 부드러운 산호 탐지: 정확하고 효율적인 애너테이션을 위한 SCoralNet.

SCoralNet(기반 모델: Faster R-CNN)는 이미지 내에서 다양한 산호 종을 자동으로 위치 및 식별할 수 있도록 설계된 새로운 수중 산호 탐지 프레임워크로, 빠르고 세밀한 레이블링을 가능하게 한다. 수중 산호의 분포 및 개체 수를 모니터링하는 과정은 대량의 수중 산호 이미지에 대한 레이블링과 처리를 수반한다. 그러나 수작업으로 대량의 이미지를 레이블링하는 것은 시간과 인력이 많이 소요되며, 기존의 CNN 기반 분류기는 단순한 분류 레이블만 제공할 뿐 이미지의 세부 정보를 포착하지 못한다. SCoralNet은 백본 네트워크에 확장된 컨볼루션(디레이티드 컨볼루션)을 도입함으로써 탐지 성능을 향상시켰다. 산호 대상의 다중 스케일 및 다중 수준 정보를 효과적으로 포착하기 위해 백본과 탐지 헤드 사이에 NASFPN이라는 네트워크 구조를 도입하였다. 또한, 데이터셋의 긴 꼬리 분포(long-tailed distribution)가 분류기 정확도에 미치는 영향을 줄이기 위해 Seesaw Loss를 사용하였으며, 경계 박스 회귀 성능을 최적화하기 위해 CIoU Loss를 적용하였다. 추론 과정에서는 중복된 산호 탐지 박스를 억제하기 위해 Soft-NMS 기법을 활용하였다. SCoralNet의 효과성을 평가하기 위해 중국 샤냐(Sanya) 지역의 일반적인 연부산호 종을 대상으로 실제 사진을 기반으로 한 새로운 데이터셋인 Coral-soft를 개발하였다. 실험 결과, SCoralNet은 원본 Faster R-CNN 모델보다 Coral-soft 데이터셋에서 평균 정밀도(mAP)가 45.68% 향상되었으며, mAP75는 59.2% 증가하였다. 더불어 전반적인 성능 측면에서 일부 최신 모델들을 상회하는 결과를 보였다.