프로젝트 안내
20–23장의 네 사례는 문제와 데이터가 다르지만 같은 틀로 읽을 수 있다. 그 틀은 입력, 라벨, 기준선(baseline), 평가 지표, 실패 유형(failure mode)의 다섯 축이다. 프로젝트는 한 사례를 골라 직접 실험하고 보고서로 쓰는 일이다. 기준선을 재현하고, 한 번에 하나만 바꾸어 비교하고, 왜 그런 결과가 나왔는지 설명하는 것이 목표이다(예제 코드).
네 사례 한눈에 보기
네 사례는 무엇을 다루고, 어떤 공통점이 있는가?
네 사례는 RD 맵(range-Doppler map) 탐지 사례(20장), micro-Doppler 행동 인식 사례(21장), 레이다 지도 작성 사례(22장), SAR speckle 제거 사례(23장)이다. 네 사례는 서로 다른 입력과 라벨을 쓰지만 같은 물음을 던진다. 모두 신호처리 기준선이 먼저 있고, 그 위에서 학습 기반 모델이 같은 입력에서 어떤 해석을 더 만들어 내는지 묻는다.
| 사례 | 장 | 문제 | 신경망 | 신호처리 기준선 |
|---|---|---|---|---|
| RD 맵 탐지 | 20장 | AI 기반 range-Doppler 맵 탐지 | U-Net(인코더 4단계, 약 7.76 M 파라미터) | CA-CFAR / OS-CFAR |
| micro-Doppler 행동 인식 | 21장 | target-range micro-Doppler 행동 인식(6클래스) | ResNet-18, TinyCNN | 수작업 특징(hand-crafted feature) + LogReg / RBF SVM |
| 레이다 지도 작성 | 22장 | 레이다 기반 지도 작성(BEV 점유 격자 지도, occupancy grid map) | RadarCubeDoANet(지도를 먼저 보는 평가) | 각도 FFT / 단일 스냅숏 MUSIC |
| SAR speckle 제거 | 23장 | SAR despeckling | DnCNN-SAR(17층) | Lee / Frost / median 필터 |
사례 연구는 모델의 우열을 가리기보다 결과를 해석하는 일이다. 네 사례는 도메인과 입력이 서로 다르므로, 같은 입력에서 기준선과 학습 모델이 무엇을 다르게 보는지, 그 차이가 어떤 평가 지표와 어떤 실패 유형으로 드러나는지를 밝힌다.
강의 노트