자율 운항을 위한 U-Net기반의 Deblurring 안정성 연구

Abstract

항공기 자율 운항은 주로 GPS기반의 통신 기술에 의존한다. 악천후와 같은 비상 상황 발생 시 외부 통신 이전에 항공기 내에서 기장이 상황을 인지할 수 있다면 더욱 효율적인 대처가 가능할 수 있다. 이미 무인 항공기(UAV)자율 운항에서는 동적인 외부 상황을 Deblurring 딥러닝 기법에 의해 인지하고 있다. 실제 유인 항공기에서 기내 보조 장치로써 Deblurring 기술 활용하기 위해서는 안정성 연구가 필수적이다. 따라서 본 논문은 Gopro Dataset을 활용해 간단한 Deblurring 모델이라고 알려져 있는 U-Net이 Deblurring 성능이 있음을 확인하고, 자율 비행에 활용 할 수 있도록 Blur Dataset이 없는 DOTA dataset에 blurring기법을 적용하여 U-Net 기반의 네트워크가 blurring에 안정한지 Gaussian Blur와 Motion Blur를 통해 실험한다. DOTA Dataset에 대한 Deblurring Test를 통해 최종적으로 Blur Augmestation을 활용 하였을 때 Deblurring 성능이 향상됨을 보이고, 나아가 Noise가 추가된 이미지에 대하여 Pre-Processing으로 학습이 필요하지 않은 Fuzzy transform을 거치고 Deblurring 하였을 때 안정적임을 보여 실제 자율 운항에서 사용 될 수 있음을 보인다.|The autonomous operation of aircraft mainly relies on GPS-based communication technology. In the event of an emergency such as bad weather, a more efficient response may be possible if the captain can recognize the situation within the aircraft before external communication. Already, in unmanned aerial vehicle (UAV) autonomous operation, dynamic external situations are recognized by the deep learning-based Deblurring methods. Stability research is essential to use Deblurring methods as an in-flight auxiliary device in a manned aircraft. Therefore, this paper uses Gopro Dataset to confirm that U-Net, known as a simple deblurring model, has deblurring performance, and experiments are conducted to validate the stability of U-Net-based networks by applying Gaussian and Motion Blur to DOTA datasets for autonomous flight. The deblurring test for DOTA Dataset shows that the deblurring performance is improved when Blur Augmentation is finally used, and furthermore, it is stable when deblurring after denoising by Fuzzy transform that does not require learning for images with noise added.