원유는 중요한 전략물자로서 우리나라의 경제 및 군사 등 여러 분야에서 중요한 역할을 합니다. 본 논문에서는 딥러닝 기반의 객체 검출 모델인 TCS-YOLO(Transformer-CBAM-SIoU YOLO)를 제안하였으며, YOLOv5를 기반으로 최적화하였고, 길림일호 광학 원격탐사 위성 영상 데이터셋을 활용하여 전 세계 저장 탱크를 식별 및 분류하는 실험을 수행하였습니다. 최적화 내용은 다음과 같습니다: 네트워크 최적화를 위해 Transformer 아키텍처 기반의 C3TR 레이어 추가; 네트워크 내에 CBAM(Convolutional Block Attention Module)을 사용한 주의 메커니즘 도입; 위치 손실 함수로 CIoU(Complete Intersection over Union) 대신 SIoU(Scale-Sensitive Intersection over Union) 손실 함수 적용. 실험 결과는 다음과 같습니다: YOLOv5와 비교 시 TCS-YOLO는 모델 복잡도(GFLOPs)를 평균 3.13% 감소시키고, 모델 파라미터 수를 평균 0.88% 줄였으며, 추론 속도(Inference Speed)는 평균 0.2ms 단축되었고, mAP_0.5(mean Average Precision)은 평균 0.2% 향상되었으며, mAP_0.5∶0.95는 평균 1.26% 상승하였습니다. 동시에 TCS-YOLO 모델을 일반 객체 인식 모델인 YOLOv3, YOLOv4, YOLOv5 및 Swin Transformer와 비교한 결과 TCS-YOLO는 더 높은 효율성을 보여주었습니다. TCS-YOLO 모델은 전 세계 저장 탱크 객체 인식에 대해 범용적인 실현 가능성을 가지며, 원격 탐사 데이터를 에너지 선물 분야에서 활용하는 기술적 참고자료로 사용할 수 있습니다.

컴퓨터 비전;객체 검출;저장 탱크 검출;YOLO