라벨 정의

어떤 표적이 양성 라벨이 되고, 라벨은 몇 셀을 덮는가?

탐지 사례의 라벨은 가우시안 덩어리(blob)를 쓰지 않는다. 표적의 피크가 두 가지 배경 추정 가운데 더 엄격한 값보다 6 dB 이상 높을 때만 양성으로 인정하고, 가운데 셀과 상하좌우 이웃을 포함한 5셀 십자 마스크(cross mask)를 만든다.

참조 셀 영역(ring)은 CA-CFAR와 같은 모양이다. 표적 셀을 가운데 둔 11 × 11 윈도우에서 가운데 3 × 3을 뺀 셀 112개이다. 아래 그림의 배경 추정과 6 dB 기준, 참조 셀 112개의 영역, 5셀 십자 마스크는 탐지 데이터셋의 라벨 코드와 같다. 두 표적 A와 B에 이 규칙을 적용하면 결과가 갈린다.

탐지 데이터셋의 맵이 아니라 합성한 32 × 48 RD 맵으로, 셀마다 복소 가우시안 잡음(크기는 Rayleigh 분포)을 두고 range bin 28–38에 잡음이 2.2배인 띠(사이드로브나 남은 클러터를 흉내 낸 것)를 두었다. 표적 A와 B는 Hann 윈도우의 점 확산 함수(PSF) 모양(가운데 1, 한 축 이웃 0.5, 대각 0.25)이다.

$\max(\cdot, \cdot)$를 쓰면 두 가지 실패를 한 번에 막는다. 전체 중앙값만 쓰면, 강한 클러터 영역이나 사이드로브에 묻힌 표적이 맵 전체로 보면 밝아 보여 양성으로 들어간다. 위 그림의 B가 그렇다. 참조 셀 중앙값만 쓰면, 참조 셀 영역이 우연히 어두운 자리에 걸릴 때 배경을 맵 전체의 noise floor보다 낮게 잡아 SNR을 크게 본다. 두 추정 가운데 큰 값을 쓰면 어느 한쪽 가정이 깨져도 라벨이 무너지지 않는다.

6 dB는 잡음 대비 진폭이 두 배라는 뜻이고, 사람이 dB 영상을 눈으로 볼 때 표적과 배경을 가를 수 있는 보수적인 경계이다. 기준을 낮추면 더 많은 약한 표적이 양성으로 들어가 $P_D$의 천장이 낮아지고, 높이면 학습이 강한 표적 위주로만 흘러 U-Net의 문맥 활용 능력을 충분히 시험하기 어렵다.

5셀 십자 마스크는 피크를 정확히 짚는 것과 FFT로 살짝 퍼진 이웃 셀까지 허용하는 것 사이의 절충이다. 덩어리를 크게 잡으면 $P_D$는 오르지만 false alarm의 정의가 너그러워지고, 점 하나로 잡으면 한 셀만 어긋나도 놓친 것으로 센다. 십자 모양은 두 축의 퍼짐을 같게 다루므로 range나 Doppler 어느 한쪽으로 치우치지 않는다. 대각 셀을 빼는 이유는 Hann 윈도우의 점 확산 함수에서 대각 셀의 진폭이 0.25뿐이기 때문이다.

양성 라벨은 넓은 가우시안 덩어리 대신 가운데와 이웃 셀 네 개로 제한된다. 이 좁은 마스크는 탐지기에게 표적 중심을 정확히 짚으라는 압력을 주고, 지표의 분모(양성 셀 수)를 작게 유지해 false alarm의 영향이 두드러지게 만든다.