고품질 측면 스캔 소나 훈련 샘플이 심각하게 부족하여 기존 측면 스캔 소나 영상 분류 네트워크가 훈련 샘플 외의 특정 목표 분류 작업에서 성능이 저조한 문제를 해결하기 위해 본 논문은 특성 약화 및 이미지 블록 기반의 고품질 가짜 측면 스캔 소나 영상 생성 방법을 제안한다. 먼저 광학 콘텐츠 이미지 색상, 질감 등 음향 영상과 비연관된 정보를 대상으로 하는 특성 약화 모듈을 구성하여 광학 콘텐츠 이미지 특정 영역의 특성을 약화시켜 가짜 영상의 목표 특성과 음향 영상 특성이 더욱 유사해지도록 한다. 다음으로 이미지 블록 기반 스타일 전이 가짜 영상 생성 방법을 제안하여 광학 콘텐츠 특성과 음향 스타일 특성의 효과적인 융합을 구현하여 원본 광학 콘텐츠 특성을 갖는 원시 가짜 측면 스캔 소나 영상을 생성한다. 마지막으로 빠른 가이드 필터 모듈을 도입하여 원시 가짜 측면 스캔 소나 영상을 증강 가이드하여 실제 수중 음향 영상 환경에 더욱 근접한 고품질 가짜 측면 스캔 소나 영상을 생성한다. 이후 대량으로 생성된 고품질 가짜 영상을 이용해 분류 네트워크의 훈련 샘플을 확장하여 실제 수중 환경에서 측면 스캔 소나 영상 분류 작업의 정확도를 향상시킨다. 비교 실험 결과 본 논문 방법은 모든 스타일 평가 지표의 평균값에서 최우수 성능을 나타내었으며, 차선 방법 대비 스타일 손실, LPIPS, 콘텐츠 손실, SSIM 지표에서 각각 31.60%, 3.52%, 15.18%, 17.55%의 성능 향상을 달성하였다. 그레이스케일 KLSG 데이터셋에서 분류 작업의 전체 정확도와 평균 정확도는 각각 86.35%와 78.54%에 달하였다.

측면 스캔 소나 영상; 특성 약화; 스타일 전이; 영상 생성; 제로샷 영상 분류