UAV 하이퍼스펙트럼 영상에서 PFM1 지뢰 탐지를 위한 딥러닝과 통계적 검출 방법 벤치마크

초록

본 논문은 UAV에 탑재된 VNIR 하이퍼스펙트럼 센서를 이용해 표면에 놓인 PFM‑1 플라스틱 지뢰를 탐지하기 위한 4가지 전통적인 통계 검출기(SAM, MF, ACE, CEM)와 경량 스펙트럴 신경망(Spectral‑NN)을 체계적으로 비교한다. 데이터는 272 밴드, 140여 개의 관측 대상이 포함된 공개 데이터셋을 크롭·라벨링하여 픽셀 수준 이진 마스크를 제공한다. 평가 지표는 ROC‑AUC와 정밀‑재현(AP) 두 가지를 사용했으며, ROC‑AUC는 ACE가 0.989로 최고였지만, 극히 희소한 목표 픽셀 특성상 AP 관점에서는 Spectral‑NN이 0.814로 가장 우수했다. 결과는 정밀도 중심 평가와 장면‑특화 벤치마크의 필요성을 강조한다.

상세 분석

본 연구는 UAV 기반 하이퍼스펙트럼 영상에서 표면 지뢰, 특히 플라스틱 재질의 PFM‑1을 탐지하는 문제를 과학적으로 정량화한다. 먼저 원본 데이터(3123 × 6631 × 272)는 공간적으로 세 단계로 축소되어 전체 영역(1705 × 3461), PFM‑1 전용 영역(500 × 1060), 그리고 훈련·시험 영역(500 × 610, 500 × 450)으로 나뉜다. 이 과정에서 목표 픽셀은 248개로 매우 희소하며, 배경 픽셀은 수백만 개에 달한다. 이러한 클래스 불균형은 검출 성능 평가에 큰 영향을 미치므로, 저자는 ROC‑AUC와 AP 두 지표를 동시에 사용한다. ROC‑AUC는 전체 스코어 분포의 구분력을 나타내지만, 희소 목표 상황에서는 높은 AUC가 실제 운영에서의 낮은 오탐률을 보장하지 않는다. 반면 AP는 정밀도와 재현율을 통합해 목표 픽셀에 대한 실제 검출 신뢰도를 반영한다.

통계적 검출기 구현에서는 목표 스펙트럼 서명을