우주 임무 수행 과정에서 우주선 부품의 정밀한 위치 측정 요구를 충족시키기 위해, 같은 유형의 부품에서 발생하기 쉬운 혼동 문제를 해결하고자 본 논문에서는 쌍둥이 신경망 구조에 기반한 우주선 부품 추적 알고리즘을 제안한다. 먼저 신경망 모델을 통해 우주선 부품 추적 문제를 데이터 기반 우주선 부품 유사성 측정 문제로 기술하고, AlexNet 네트워크 구조를 개선하여 본 논문에서 사용하는 쌍둥이 네트워크 모델의 쌍둥이 유닛을 설계하였다. 둘째, 공개된 대규모 데이터셋 GOT-10k로 쌍둥이 네트워크를 학습시키고, 네트워크 최적화 방법으로 확률적 경사 하강법을 활용하여 네트워크 표현 능력을 향상시켰다. 마지막으로 같은 종류의 우주선 부품 외관 유사성으로 인한 위치 혼동 문제를 해결하기 위해 운동 시퀀스 특성을 결합한 추적 전략을 제안하여 추적 정확도를 향상시켰다. ESA에서 공개한 우주선 비디오 데이터를 테스트 데이터로 활용하여 제안한 알고리즘 성능을 검증하였으며, 실험 결과 본 논문에서 제안한 알고리즘은 우주선 관련 데이터를 사용하지 않고 학습한 조건에서 선체 및 태양광 패널 추적 결과의 교집합비가 각각 57.2%와 73.1%, 속도는 38 FPS에 도달하여 우주선 부품 추적의 안정성, 신뢰성, 높은 정밀도 및 내노이즈 능력 요구를 기본적으로 만족시켰다.

쌍둥이 신경망;목표 추적;우주선 부품;딥러닝