메타러닝을 사용한 능동 소나 표적 분류

Abstract

최근, 기계학습을 이용하여 해저면의 표적과 클러터를 분류하는 연구가 진행되고 있다[1-3]. 기계학습을 이용한 분류는 신뢰할 수 있는 결과를 내기 위해 방대한 학습 데이터를 필요로 한다. 하지만 해양에서 음향 데이터를 수집하기 위해서는 많은 시간과 노력이 필요하고, 해양 환경이 달라짐에 따라 수집되는 데이터가 다르기 때문에 다양한 환경에 맞는 데이터를 수집하고 적용하기에 큰 어려움이 있다. 이러한 한계를 극복하기 위해 학습하는 법을 학습하여 새로운 환경에 대한 데이터가 전혀 없는 혹은 적은 상황에서 빠르게 적응할 수 있는 Model-agnostic meta-learning (MAML)을 사용한다[4]. MAML 을 사용한 분류기는 내부 및 외부 업데이트 과정을 통해 학습한다. 내부 업데이트에서 다양한 해양 환경 대한 표적과 클러터 분류를 각각 학습한 뒤, 이를 이용해 외부 업데이트에서 각 해양 환경에 대한 전반적인 지식을 종합하여 학습한다. 이 과정을 통해 다양한 해양 환경에서 표적과 클러터를 분류할 수 있는 일반적인 특성들을 학습할 수 있다. 본 연구는 시뮬레이션 데이터를 이용하여 새로운 환경에 대한 학습 데이터가 전혀 없는 상황에서 일반적인 신경망 모델 분류기와 MAML 모델 분류기의 분류성능을 비교한다.