AI for Maritime Security: Comparative Evaluation of CNN and Vision Transformer Architectures for Maritime Object Detection

바다를 배들이 자동차처럼 다니는 거대하고 분주한 고속도로라고 상상해 보세요. 때때로 나쁜 의도를 가진 이들이 불법 화물을 몰래 실어 나르거나, 허가 없이 물고기를 잡거나, 자신들의 움직임을 숨기려 합니다. 이들을 잡아내기 위해 해안경비대는 날씨가 흐리거나, 비가 오거나, 햇빛이 눈부시게 내리쬐는 상황에서도 결코 눈을 깜빡이지 않는 "눈"이 필요합니다.

이 논문은 컴퓨터에게 그 '깜빡이지 않는 눈'의 역할을 가르치는 방법에 관한 것입니다. 연구진은 다음과 같은 간단한 질문을 던졌습니다: 어떤 유형의 "디지털 두뇌"가 바다에서 배를 찾아내는 데 가장 뛰어난가?

그 답을 찾기 위해, 연구진은 6,468장의 바다 사진이 담긴 방대한 사진첩을 사용하여 "시운전"을 구축했습니다. 그들은 6가지 서로 다른 유형의 AI 두뇌를 테스트하여, 어떤 두뇌가 혼란에 빠지지 않고 "저것은 배다!" 또는 "저것은 그냥 물이다!"라고 정확하게 말할 수 있는지 확인했습니다.

연구 과정과 결과는 다음과 같이 쉽게 설명되어 있습니다.

여섯 명의 참가자 (AI 두뇌들)

연구진은 단순히 하나의 두뇌를 고른 것이 아니라, 여섯 가지 서로 다른 유형을 경주를 위해 줄 세웠습니다.

1. "자체 제작" 두뇌 (Base CNN): 마치 자신만의 학습 가이드를 처음부터 직접 만든 학생과 같습니다. 이들은 기초부터 직접 설계한 신경망(AI의 일종)을 사용합니다. 유연하고 이해하기 쉽지만, 모든 것을 처음부터 배워야 합니다.
2. "전이 학습자" (Xception, VGG16, MobileNetV2, EfficientNetV2L): 이들은 유명한 대학교를 이미 졸업하고(고양이, 개, 자동차 등 수백만 장의 일반 사진으로 훈련됨), 이제 그 지식을 바다에 적용하려는 학생들과 같습니다.
   • MobileNetV2는 "배낭 여행객"입니다. 매우 작고 가벼우며, 배터리가 약한 스마트폰이나 드론 같은 작은 기기에서 실행되도록 설계되었습니다.
   • VGG16은 "믿음직한 일꾼"입니다. 다소 오래되고 무겁지만, 매우 꾸준합니다.
   • Xception과 EfficientNetV2L은 "전문가"입니다. 매우 강력하고 복잡하며, 아주 까다로운 세부 사항을 처리하도록 설계되었지만, 무겁고 많은 에너지를 필요로 합니다.
3. "트랜스포머" (Vision Transformer 또는 ViT): 이 모델은 "슈퍼 관찰자"입니다. 다른 모델들처럼 사진을 퍼즐 조각처럼 한 부분씩 보는 대신, 전체 그림을 한꺼번에 봅니다. 배가 파도, 하늘, 그리고 지평선과 어떻게 관계를 맺고 있는지 동시에 이해합니다. 이는 단순히 개별 나무의 수를 세는 것이 아니라, 숲 전체를 보고 하나의 생태계를 보는 것과 같습니다.

경주 조건

연구진은 단순히 맑고 화창한 방 안에서 이 두뇌들을 테스트하지 않았습니다. 그들은 이들을 "폭풍" 속으로 던져 넣었습니다.

• 날씨: 사진에는 흐린 날, 안개 낀 날, 비 오는 날, 그리고 화창한 날이 모두 포함되었습니다.
• 테스트: 그들은 단순히 단일 사진을 보는 것에 그치지 않고, 실시간으로 배를 얼마나 빠르고 정확하게 찾아낼 수 있는지 확인하기 위해 37초 분량의 영상을 각 두뇌에 통과시켰습니다.

결과: 누가 승리했나?

경주의 결과는 다음과 같습니다.

• 경량급 우승자 (MobileNetV2): 만약 배터리가 작은 소형 드론을 가지고 있다면, 이 모델이 최고의 친구가 될 것입니다. 작고 빠르지만, 바다가 험해질 때 다른 모델들보다 실수를 조금 더 많이 했습니다.
• 헤비급 (EfficientNetV2L): 이 두뇌는 순수한 힘 측면에서는 가장 강력했지만, 또한 가장 느렸습니다. 마치 거인이 단거리 달리기를 하려는 것처럼 영상을 처리하는 데 시간이 오래 걸렸습니다. 파일 크기도 가장 컸습니다.
• 깜짝 챔피언 (Vision Transformer / ViT): 이 모델이 명백한 승자였습니다.
  • 정확도: **100%**의 정답률을 기록했습니다. 단 하나의 배도 놓치지 않았고, 파도를 배로 착각하지도 않았습니다.
  • 속도: 복잡한 두뇌임에도 불구하고, 거의 모든 모델보다 빠르게(약 31초) 37초 분량의 영상을 처리했습니다.
  • 단점: "무거운" 두뇌입니다. 고성능 게이밍 PC처럼 이를 구동하려면 강력한 컴퓨터가 필요합니다. 아주 작고 저렴한 기기에는 적합하지 않습니다.

핵심 교훈

이 논문은 모든 작업에 완벽한 단 하나의 "완벽한" 두뇌는 없다는 결론을 내립니다.

• 만약 여러분이 작은 배에 달 수 있는 작고 배터리로 작동하는 카메라를 만들고 있다면, 완벽하지 않더라도 작고 빠르게 돌아가는 경량 모델(MobileNetV2와 같은)을 사용해야 합니다.
• 만약 여러분이 해안경비대를 위한 크고 강력한 보안 센터를 운영하고 있다면, **Vision Transformer (ViT)**를 사용해야 합니다. 이 모델은 가장 정확하고 영상 처리 속도도 빨라, 바다를 안전하게 지키는 데 최적의 선택입니다.

"준비 과정"에 대한 참고 사항

연구진은 경주 중에 숨겨진 비결이 있었다는 점을 지적했습니다. "전이 학습자"(유명한 대학교를 졸업한 모델들)에게 사진을 입력하기 전에, 사진을 매우 특정한 방식으로 준비해야 합니다. 마치 특정 요리사가 원하는 방식대로 채소를 씻고 써는 것과 같습니다. 만약 이렇게 하지 않으면 두뇌는 혼란에 빠지고 성능이 떨어집니다. 논문은 경기가 공정하도록 각 특정 두뇌를 위해 데이터를 어떻게 "씻고 썰어야" 하는지에 대해 많은 시간을 할애하여 설명했습니다.

요약하자면: 이 연구는 작은 기기에는 작고 단순한 두뇌가 좋지만, 새로운 "트랜스포머" 기술이 바다에서 배를 찾아내는 궁극적인 탐정이라는 것을 입증했습니다. 단, 이를 실행할 강력한 컴퓨터가 뒷받침되어야 합니다.