야간 야생동물 목표물 감지의 낮은 정확도 및 효율성 문제와 포괄적인 수동 라벨링의 어려움을 해결하기 위해 반지도 학습 기반의 야간 야생동물 종단간 인식 모델(SAN-YOLO)을 제안하였다. YOLOv8에 특징 주의 메커니즘과 픽셀 주의 메커니즘을 융합하여 야간 이미지에 대한 감지기의 적응성과 특징 표현 능력을 향상시켰다. 이후 교사-학생 학습 프레임워크 기반의 반지도 학습 네트워크를 구축하여 가짜 라벨을 생성하고 합리적으로 배분함으로써 학생 모델이 다량의 미라벨 원시 이미지로부터 학습하도록 하였으며, 마지막으로 구축된 데이터셋에서 평가를 수행하였다. 실험 결과 5% 라벨링 사용 시 SAN-YOLO의 mAP 지표가 69.7%에 달해 완전 감독 학습 하의 감지기 59.6% 및 기준 모델 57.1%를 능가하였다. 연구된 감지 방법은 적은 라벨링의 야간 동물 데이터셋에서 우수한 성능을 보여주었으며, 야간 목표물 감지 분야에서 주의 메커니즘의 유효성을 검증하였다.

목표 감지;반지도 학습;적외선 야간 시야;야생동물 보호;교사-학생 모델;주의 메커니즘