생체모방 특징 게이트와 3모델 통합(SSL·UDA·SFDA)형 자가적응 기반 대드론 감시 시스템

소형 무인기의 군사 정찰, 불법 촬영, 국가 중요시설 침입 위협이 급증하면서 대드론(Anti-Drone) 감시 체계는 국방·보안 분야의 핵심 과제가 되었다. 그러나 딥러닝 기반 탐지 모델은 학습 환경과 실제 배치 현장이 다를 때 — 조도, 배경, 카메라 특성, 기체 종류의 변화 — 성능이 급격히 저하되는 도메인 이동(domain shift) 문제를 갖는다. 특히 군사·보안 현장은 (i) 현장 데이터의 라벨링이 사실상 불가능하고, (ii) 보안 규정상 소스 학습 데이터를 현장으로 반출할 수 없으며, (iii) 위협 대응을 위해 실시간 처리가 필수라는 삼중 제약이 있다. 따라서 소스 데이터 접근 없이 무라벨 현장 데이터만으로 스스로 적응하는 자가적응(self-adaptive) 능력이 요구된다. 본 프로젝트는 선행 등록 연구(BIO-SFDA, Results in Engineering)에서 검증된 EMA-T/S 기반 BIO-SFDA 적응 구조와 BIO-SFDA의 기반이 되었던 2모델(SSL, UDA)을 하나로 묶어 3모델 통합(SSL–UDA–SFDA) 생체모방 특징 게이트를 계승·확장하여, 산업 설비 진단 도메인에서 대드론 감시 도메인으로 발전시킨다.

1. • 자가적응 프레임워크 구현: SFDA를 메인으로 SSL·UDA·few-shot(10샷)을 보조로 통합한 유니파이드 교사–학생(EMA) 적응 모델 구축 — 라벨 없는 현장 데이터만으로 고신뢰 의사라벨 기반 적응
2. • 생체모방 특징 게이트 결합: 저신호 소형 표적(원거리 드론)의 특징 선별 게이트를 적응 파이프라인 전단에 배치
3. • 실시간 탐지·추적 파이프라인: 소형 드론 대상 객체 탐지와 다중 객체 추적(ID 유지)을 ≥25fps로 처리
4. • 시선제어 폐루프: 추적 표적의 화면중심 편차를 제어명령으로 변환하는 시선제어 구성 및 시뮬레이션 검증
5. • 재현 가능한 성능 검증: 공개 데이터셋 교차 도메인 실험에서 적응 전후 성능(mAP·추적 안정성)을 제출 코드로 재현 가능하게 보고
6. • 완결 산출물 제출: 라이브 데모, 하드웨어(드론·직결 시연 구성), 소프트웨어 전체 및 선행 연구 계보 문서화