시나리오 내용 반영

scenario_md/ISR01-정보·감시·정찰(ISR)_영상정보 분석-공개 위성영상 장비·차량 객체분류 정확도 평가/ISR01-정보·감시·정찰(ISR)_영상정보 분석-공개 위성영상 장비·차량 객체분류 정확도 평가.md

@@ -0,0 +1,97 @@
+**공개 위성영상 장비·차량 객체분류 정확도 평가**
+
+난 이 도 **고급**
+
+| **프로젝트 목표** | 러시아-우크라이나 전쟁에서는 상용·공개 위성영상이 대량으로 공개되면서 영상에서 장비와 차량을 빠르게 분류하는 능력과 함께, 위장막·수목 차폐·구름·모의 위장 표적 때문에 생기는 오판독을 걸러내는 능력이 중요해졌다. 본 프로젝트에서는 실제 위성영상 대신 코드로 만든 교육용 합성 영상(광학·SAR 한 쌍)을 사용해 메타데이터 스키마 정의, 해상도·구름·방위 정규화 전처리, Baseline 분류, 은폐 조건 대응 정밀 분류, 신뢰도 점수와 오분류 필터, 식별 확률 지도 화면, 고가치 표적 판독 승인(HITL), 대량 타일 부하 시험, AAR 재보정, 최종 통합까지 단계별로 구현한다. 최종 목표는 모델 정확도를 조건별로 정직하게 평가하고, 확신이 낮거나 중요한 식별 결과는 반드시 영상분석관의 판독을 거치도록 설계하는 것이다. |
+| --- | --- |
+
+| **유의사항** | 모든 영상은 코드 안에서 추상 도형으로 만든 교육용 합성 자료이며 실제 위성영상, 촬영 위치, 부대명, 장비 제원은 사용하지 않는다. 도형의 길이·포신 등은 분류 학습을 위한 가상 치수로 실제 장비와 무관하다. 부대 내 촬영이나 부대 자료·영상의 외부 AI 서비스 입력은 금지하며, 공개 영상을 실습에 쓰더라도 출처·라이선스를 확인한다. 식별 결과와 신뢰도 등급은 판독 보조 정보이며 최종 판독과 활용 판단은 영상분석관 검토와 지휘계통을 따른다. 미션별 정답 코드는 각각 한 파일로 독립 실행된다. |
+| --- | --- |
+
+**1단계. 위성영상 메타데이터 정의 및 영상 전처리**
+
+| **미션 1. 상용 위성(광학/SAR) 영상 특성 분석 및 군용 장비/차량 메타데이터 규격 정의** [초급 · 1.5시간] | **미션 1. 상용 위성(광학/SAR) 영상 특성 분석 및 군용 장비/차량 메타데이터 규격 정의** [초급 · 1.5시간] |
+| --- | --- |
+| **목표** | 공개·상용 광학 및 SAR 위성영상의 해상도, 촬영 조건, 출처 메타데이터와 군용 장비·차량(전차, 자주포, 트럭) 분류 기준을 정리해 데이터셋 스키마와 검증기를 만든다. |
+| **수행** | 영상 출처(제공처·라이선스·촬영 시각), 센서(광학/SAR, 지상 해상도, 비스듬 촬영 각도, 태양 고도, 구름 비율), 전술 파라미터(기상, 위치 오차, 전달 지연), 객체 라벨(기종, 위치, 방위, 은폐 상태, 판독 상태) 필드를 정의한다. 라벨은 자동 초안('auto_draft')으로 생성되고 영상분석관 판독 후에만 'analyst_verified'가 되도록 한다. 가상 샘플 20건을 검증하고 형식·허용값·범위·누락 오류 5종을 일부러 넣어 모두 검출되는지 확인한 뒤 명세서로 정리한다. |
+| **산출물** | data/schema/isr01_input_schema.json, docs/isr01_data_spec.md |
+| **평가** | **[필수] 데이터 구조화·검증** — 스키마 필드 정의 완성도 100%, 정상 샘플 검증 오류 0건, 주입한 오류 5종을 모두 검출하고 기종 분류 기준과 누락된 전술 파라미터를 보완했는가. |
+
+| **미션 2. 위성영상 해상도 표준화, 구름 차폐 제거 및 방위/스케일 정규화 전처리 모듈 구현** [초급~중급 · 2시간] | **미션 2. 위성영상 해상도 표준화, 구름 차폐 제거 및 방위/스케일 정규화 전처리 모듈 구현** [초급~중급 · 2시간] |
+| --- | --- |
+| **목표** | 구름 차폐, 비스듬 촬영 왜곡, 해상도 차이, 결측 픽셀을 보정하고 객체 방위와 축척을 정규화하는 위성영상 전처리 파이프라인을 구축한다. |
+| **수행** | 지상 해상도와 촬영 각도 메타데이터로 영상을 표준 해상도(0.5m/픽셀, 가상 기준)로 재표본화하고, 광학에서 밝고 매끈하지만 SAR에는 반사가 없는 영역을 구름으로 찾아 배경값으로 채운다. 결측 픽셀을 보정하고, 객체 마스크의 주축을 구해 가로 방향으로 회전한 뒤 0~1로 정규화한다. 처리 속도와 오류율, 조건별 구름 픽셀 감소와 방위 정규화 성공률을 측정하고 단위 테스트 5종으로 정합성을 확인한다. |
+| **산출물** | src/preprocess/isr01_preprocessor.py, 전처리 전후 비교표, 단위 테스트 결과 |
+| **평가** | **[필수] 전처리 구현·효과 검증** — 처리 속도 1,000건/초 이상, 전처리 오류율 0%, 결측치 보정율 100%, 단위 테스트 5종을 통과했는가. |
+
+**2단계. 장비 분류 Baseline 구현 및 은폐 대응 정밀 모델 고도화**
+
+| **미션 3. 위성영상 내 기갑/포병 장비 객체 탐지 Baseline CNN/Vision 모델 구현** [중급 · 2.5시간] | **미션 3. 위성영상 내 기갑/포병 장비 객체 탐지 Baseline CNN/Vision 모델 구현** [중급 · 2.5시간] |
+| --- | --- |
+| **목표** | 위성영상 속 주요 군용 장비와 차량을 1차 식별하는 Baseline 합성곱(CNN) 방식 분류 모델을 구현한다. |
+| **수행** | Sobel·Laplacian·대각선·평균 필터로 이루어진 합성곱 필터 뱅크, ReLU, 최대 풀링으로 간이 CNN 특징을 만들고 로지스틱 회귀 분류기를 학습한다. 규제 강도를 검증 자료로 1차 조정하고, 은폐 없는 기본 시험셋에서 정확도·혼동행렬·1장당 판단 시간을 측정한다. 위장막·수목 차폐·저해상도 조건에서 정확도가 얼마나 떨어지는지 확인해 한계를 정리한다. |
+| **산출물** | src/models/isr01_baseline_model.py, 기본 추론 결과 보고서(혼동행렬·조건별 정확도) |
+| **평가** | **[필수] Baseline 구현·성능 측정** — 기본 데이터셋 분류 정확도 75% 이상, 판단 근거(필터 반응)와 은폐 조건에서의 한계를 수치로 설명했는가. |
+
+| **미션 4. 위장막/차폐 환경 하 군용 장비 미세 특징 추출 및 정밀 객체분류 모델 고도화** [중급 · 3시간] | **미션 4. 위장막/차폐 환경 하 군용 장비 미세 특징 추출 및 정밀 객체분류 모델 고도화** [중급 · 3시간] |
+| --- | --- |
+| **목표** | 위장막 설치, 수목 차폐, 부분 은폐 상태의 장비에서도 기종을 식별하도록 미세 특징을 추출하는 정밀 분류 모델로 고도화한다. |
+| **수행** | 객체 모양(전체 길이·차체 길이·포신 돌출·포탑 위치), 윤곽 방향 히스토그램(HOG), 위장막과 구름에 강한 SAR 반사 통계, 투영 윤곽 특징을 결합하고 은폐 조건 10종을 섞은 증강 자료로 랜덤 포레스트를 학습한다. 조건 10종별 군용 장비 기종 식별 재현율과 1장당 처리 지연을 측정하고, 혼동이 많은 기종 쌍과 중요 특징을 분석해 특징 공간 개선 방향을 정리한다. |
+| **산출물** | src/models/isr01_advanced_detector.py, 은폐 조건 10종 시험 결과 |
+| **평가** | **[선택] 은폐 대응 정밀 분류** — 군용 장비 기종 식별 재현율 85% 이상, 처리 지연 200ms 이하, 은폐 조건 10종 시험을 통과하고 오분류 유발 패턴을 제시했는가. |
+
+**3단계. 신뢰도 기반 오분류 필터 및 식별 확률 가시화**
+
+| **미션 5. 위성 촬영 각도/그림자 영향에 따른 객체분류 신뢰도 점수 산출 및 오분류 필터 구현** [중급~고급 · 3시간] | **미션 5. 위성 촬영 각도/그림자 영향에 따른 객체분류 신뢰도 점수 산출 및 오분류 필터 구현** [중급~고급 · 3시간] |
+| --- | --- |
+| **목표** | 센서 해상도 한계, 촬영 각도, 태양 고도(그림자), 구름 영향을 반영해 분류 결과의 신뢰도 점수를 계산하고 오분류를 걸러내는 엔진을 개발한다. |
+| **수행** | 분류 확률의 최댓값·차이·엔트로피와 구름 비율, 해상도, 촬영 각도, 태양 고도, SAR 반사 세기를 품질 지표로 삼아 별도 보정 자료에서 '분류가 맞을 확률'을 학습하고 그 계수를 신뢰도 가중치 매트릭스로 공개한다. High만 자동 보고하고 Medium·Low는 판독 보류로 돌려 기존 방식과 오분류율을 비교하며, ROC-AUC, 임계값 민감도, 픽셀 잡음에 대한 등급 일관성을 확인한다. |
+| **산출물** | src/verification/isr01_confidence_engine.py, 오분류 필터 전후 비교표, 신뢰도 가중치표 |
+| **평가** | **[필수] 오분류 감축·신뢰도 일관성** — 오분류(오경보)율 40% 이상 감축, 신뢰도 등급 산출 일관성 90% 이상, 등급별 실제 정답률로 High/Medium/Low 기준의 타당성을 설명했는가. |
+
+| **미션 6. 위성영상 표적 탐지 위치 및 식별 확률 지도(Heatmap) 가시화 UI 구현** [중급 · 2.5시간] | **미션 6. 위성영상 표적 탐지 위치 및 식별 확률 지도(Heatmap) 가시화 UI 구현** [중급 · 2.5시간] |
+| --- | --- |
+| **목표** | 식별된 장비의 위치·기종·식별 확률과 집결지 밀집도를 지도에 겹쳐 보여 주는 위성 ISR 영상분석 화면을 구현한다. |
+| **수행** | 가상 광역 영상(타일 10x10)을 한 줄씩 받아 판독하는 갱신 흐름을 모의하고 처리시간을 잰다. 식별 결과를 기종별 표식과 확률 크기로 겹쳐 그리고, 군용 식별 위치를 확률로 가중해 밀집도 지도(Heatmap)를 만든다. 기종별 현황과 식별 확률 분포를 더해 4개 구성요소를 야간 작전용 어두운 화면으로 표시하고, 확률이 낮은 순으로 분석관 우선 확인 목록을 출력한다. |
+| **산출물** | src/ui/isr01_dashboard.py, 분석 화면, 식별 목록 |
+| **평가** | **[선택] 식별 확률 가시화** — 갱신 1초 이내·처리 응답 100ms 이내, 시각화 구성요소 4종 이상, 밀집 지점과 확인 우선 대상이 직관적으로 구분되는가. |
+
+**4단계. 고가치 표적 판독 승인 체계 및 대량 처리 검증**
+
+| **미션 7. 고가치 표적(HVT) 식별 시 영상분석관 최종 판독(HITL) 및 교차 검증 절차 설계** [고급 · 3시간] | **미션 7. 고가치 표적(HVT) 식별 시 영상분석관 최종 판독(HITL) 및 교차 검증 절차 설계** [고급 · 3시간] |
+| --- | --- |
+| **목표** | 고가치 표적(HVT) 후보가 식별되면 영상분석관이 고해상도 확대 판독과 교차 검증을 거쳐 최종 승인하는 HITL 판독 워크플로우를 설계한다. |
+| **수행** | 모델 식별 결과는 모두 판독 대기로 등록하고 HVT 후보를 우선 정렬한다. 확대 판독 기록 없이는 승인할 수 없게 하고, HVT는 다른 출처(SAR·다른 촬영 회차) 교차 검증이 일치하고 서로 다른 분석관 2인이 판독해야 승인되도록 한다. 모델·시스템 명의의 자동 확정을 차단하고 근거 기록을 강제하며, 보류 기한이 지나면 선임 판독관에게 상신한다. 지휘관 피드백까지 해시 체인 감사 로그에 남기고 위·변조를 검출한다. |
+| **산출물** | src/hitl/isr01_approval_workflow.py, docs/isr01_hitl_guide.md |
+| **평가** | **[필수] 판독 승인·책임 추적** — 자동 승인 0건, 규칙 위반 결정(자동 확정·확대 판독 전 승인·교차 검증 불일치·1인 승인) 차단, 대기시간과 승인/반려 로깅 성공률 100%, 감사 로그 위·변조를 검출했는가. |
+
+| **미션 8. 악기상 및 저해상도 위성영상 대량 배치 처리 스트레스 테스트 및 한계치 도출** [고급 · 3.5시간] | **미션 8. 악기상 및 저해상도 위성영상 대량 배치 처리 스트레스 테스트 및 한계치 도출** [고급 · 3.5시간] |
+| --- | --- |
+| **목표** | 대면적 위성영상 타일을 대량 배치로 처리해 추론 병목과 처리 한계치, 기능 축소 작동을 검증한다. |
+| **수행** | 평시 대비 500% 증가한 타일, 악기상·저해상도 타일, 손상 타일(잘림·전송 오류·빈 영상) 혼입, 처리 예산 부족 상황을 가상으로 주입한다. 수신·처리·격리 건수를 대조해 유실 여부를 확인하고, 같은 배치를 반복 처리하며 메모리 증가를 추적한다. 단계별 누적 시간으로 병목을 찾고, 예산을 넘기면 정밀 분류를 미루고 '객체 유무'만 먼저 표시하는 기능 축소 모드를 확인한다. 측정 처리량으로 시간당 처리 가능 면적을 환산한다. |
+| **산출물** | tests/isr01_stress_test.py, 스트레스 테스트 분석 보고서 |
+| **평가** | **[선택] 대량 처리 복원력** — 평시 대비 500% 부하에서 시스템 다운 0건, 데이터 유실률 0%(손상 타일은 격리), 메모리 누수 없음, 성능저하 모드와 처리 한계치를 제시했는가. |
+
+**5단계. 사후검토 재보정 및 최종 통합**
+
+| **미션 9. AAR 기반 모의 위장 표적 오판독 사례 분석 및 객체분류 모델 파라미터 재보정** [고급 · 3시간] | **미션 9. AAR 기반 모의 위장 표적 오판독 사례 분석 및 객체분류 모델 파라미터 재보정** [고급 · 3시간] |
+| --- | --- |
+| **목표** | AAR 사후검토로 모의 위장 표적 오판독 사례를 분석하고 분류 모델의 특징 가중치와 판정 임계값을 재보정한다. |
+| **수행** | 모의 위장 표적이 섞인 판독 훈련 결과를 AAR 일지로 정리하고 오판독을 원인(모의 표적 오판독, 기종 혼동과 조건)별로 분류한다. 모의 표적과 실제 장비의 SAR 반사 차이를 근거로 원인을 규명하고, 모의 표적 학습 추가 여부와 SAR-광학 일치성 임계값을 격자 탐색해 종합 정확도가 가장 높은 설정을 고른다. 별도 자료로 회귀 시험을 하고 재발 오류와 남은 과제를 정리한다. |
+| **산출물** | docs/isr01_aar_report.md, configs/isr01_tuned_params.yaml |
+| **평가** | **[필수] AAR 원인 분석·재보정** — 원인별 오판독 분류 완료, 재보정 후 종합 정확도 10%p 이상 향상, 회귀 시험에서 성능 유지, 재발 오류를 확인하고 대책을 제시했는가. |
+
+| **미션 10. 공개 위성영상 장비 객체분류 시스템 통합 및 전략 ISR 평가 브리핑 패키지 완성** [최고급 · 3.5시간] | **미션 10. 공개 위성영상 장비 객체분류 시스템 통합 및 전략 ISR 평가 브리핑 패키지 완성** [최고급 · 3.5시간] |
+| --- | --- |
+| **목표** | 메타데이터 검증부터 전처리, 정밀 분류, 신뢰도 엔진, 판독 대기열, 분석 화면까지 시스템을 통합 검증하고 전략 ISR 평가 브리핑 패키지를 완성한다. |
+| **수행** | 재보정 설정으로 전체 과정을 한 번에 실행하는 통합 코드를 완성하고 손상 타일과 메타데이터 오류가 자동 차단되는지 확인한다. 정확도·기종 식별 재현율·모의 표적 적발·자동 승인 여부·감사 로그 무결성·처리 지연·기능 커버리지 자체 점검을 모두 통과시키고, 처리 현황·성능·판독 대기·신뢰도의 의미·한계와 인접 체계 연동 방향을 담은 브리핑 요약과 사용자 가이드를 작성한다. |
+| **산출물** | src/main_isr01.py, README.md, docs/isr01_final_report.pdf(md) |
+| **평가** | **[필수] 통합·브리핑** — 통합 파이프라인 실행 성공률 100%, 자체 점검 항목 전부 통과(기능 커버리지 85% 이상), 브리핑 수치가 실행 결과와 일치하는가. |
+
+**최종 판정**
+
+**판정 기준 :** 모든 필수 항목([필수])에서 PASS를 받아야 최종 PASS로 인정한다.
+
+최종 판정 결과 : ( PASS / FAIL )
+
+평가 의견 : (필수 항목 중 하나라도 FAIL인 경우 사유를 기재한다.)

scenario_md/ISR01-정보·감시·정찰(ISR)_영상정보 분석-공개 위성영상 장비·차량 객체분류 정확도 평가/ISR01_실습가이드.md

@@ -0,0 +1,270 @@
+**ISR01 실습가이드 - 공개 위성영상 장비·차량 객체분류 정확도 평가**
+
+구    분 **실습가이드 [교육용가상자료]**
+
+**1. 실습 개요**
+
+본 실습은 코드로 만든 교육용 합성 위성영상(광학·SAR 32x32 조각)으로 장비·차량 객체분류 시스템을 미션 단위로 구현하고 정확도를 평가하는 과정이다. 미션마다 정답 코드(ISR01_정답코드.md)의 해당 코드를 웹 파이썬 실행기에 붙여 넣어 실행하고, 출력된 수치가 평가 기준을 충족하는지 확인한 뒤 파라미터를 바꿔 보는 도전 과제를 수행한다. 미션별 코드는 서로 독립적이어서 어느 미션부터 실행해도 동작한다. 실제 위성영상은 사용하지 않으며, 모든 식별 결과는 영상분석관 판독을 돕는 보조 정보로 해석한다.
+
+| **과제** | ISR01 공개 위성영상 장비·차량 객체분류 정확도 평가 |
+| --- | --- |
+
+| **난이도·유형** | 고급 / 코딩형 |
+| --- | --- |
+
+| **예상 소요시간** | 미션 10개, 총 27.5시간 |
+| --- | --- |
+
+| **준비물** | ISR01_정답코드.md, 웹 파이썬 실행기(numpy·pandas·scipy·scikit-learn·matplotlib 사용 가능), 결과 기록용 문서 |
+| --- | --- |
+
+**2. 진행 방법**
+
+- 정답코드 md에서 해당 미션의 코드 블록 전체를 복사해 실행기에 붙여 넣고 실행한다(부분 복사 시 합성 영상 생성 함수가 빠져 오류가 난다).
+
+- 실행 결과를 md의 '실행 결과 예시'와 비교한다. 난수 시드가 고정되어 있어 분류 결과와 성능 수치는 같게 나오며, 처리 속도·시간(ms, 장/초)은 실행 환경에 따라 달라진다.
+
+- 미션 3~6, 8~10은 합성 영상 수백~천여 장을 만들고 학습하므로 실행에 10~20초가 걸릴 수 있다.
+
+- 도전 과제는 코드 상단의 파라미터(은폐 조건, 등급 기준, 임계값 등)를 바꿔 다시 실행하고 변화와 이유를 기록한다.
+
+- 그래프 글자는 영문, 표·출력은 한글이다. 한글이 깨지면 실행기 글꼴 문제이며 결과에는 영향이 없다.
+
+- 실제 위성영상·촬영 위치·부대 정보는 입력하지 않는다. 합성 도형의 치수는 가상값이며 실제 장비 제원과 무관하다.
+
+**3. 미션 진행 요약**
+
+| **미션** | **난이도·시간** | **핵심 확인 결과** |
+| --- | --- | --- |
+| **M1. 상용 위성(광학/SAR) 영상 특성 분석 및 군용 장비/차량 메타데이터 규격 정의** | 초급
+1.5시간 | 정상 샘플 오류 0건, 주입 오류 5종 모두 검출 |
+| **M2. 위성영상 해상도 표준화, 구름 차폐 제거 및 방위/스케일 정규화 전처리 모듈 구현** | 초급~중급
+2시간 | 처리 속도 1,000건/초 이상(예시 1,395장/초), 오류율 0%, 결측 보정율 100% |
+| **M3. 위성영상 내 기갑/포병 장비 객체 탐지 Baseline CNN/Vision 모델 구현** | 중급
+2.5시간 | 기본 시험셋 정확도 75% 이상(예시 96.5%) |
+| **M4. 위장막/차폐 환경 하 군용 장비 미세 특징 추출 및 정밀 객체분류 모델 고도화** | 중급
+3시간 | 군용 기종 식별 재현율 85% 이상(예시 97.3%), 1장당 200ms 이하 |
+| **M5. 위성 촬영 각도/그림자 영향에 따른 객체분류 신뢰도 점수 산출 및 오분류 필터 구현** | 중급~고급
+3시간 | 오분류율 감축 40% 이상(예시 3.2% -> 0.6%, 82.5% 감축) |
+| **M6. 위성영상 표적 탐지 위치 및 식별 확률 지도(Heatmap) 가시화 UI 구현** | 중급
+2.5시간 | 타일 한 줄 갱신 100ms 이내(예시 33ms), 렌더링 1초 이내 |
+| **M7. 고가치 표적(HVT) 식별 시 영상분석관 최종 판독(HITL) 및 교차 검증 절차 설계** | 고급
+3시간 | 자동 승인 0건, 규칙 위반 5건 차단(자동 확정·확대 판독 전 승인·허용 외 조치·교차 검증 전 승인·1인 승인) |
+| **M8. 악기상 및 저해상도 위성영상 대량 배치 처리 스트레스 테스트 및 한계치 도출** | 고급
+3.5시간 | 모든 상황 다운 0건, 유실률 0%(손상 타일 31장 격리) |
+| **M9. AAR 기반 모의 위장 표적 오판독 사례 분석 및 객체분류 모델 파라미터 재보정** | 고급
+3시간 | 원인별 오판독 분류 완료, 종합 정확도 +10%p 이상(예시 0.786 -> 0.990) |
+| **M10. 공개 위성영상 장비 객체분류 시스템 통합 및 전략 ISR 평가 브리핑 패키지 완성** | 최고급
+3.5시간 | 자체 점검 10/10 통과, 기능 커버리지 100%(12/12) |
+
+**미션 1. 상용 위성(광학/SAR) 영상 특성 분석 및 군용 장비/차량 메타데이터 규격 정의**
+
+| **난이도·시간** | 초급 · 1.5시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M1 코드를 실행해 정상 샘플 20건의 검증 결과를 확인한다.
+2) 오류 주입 결과 5건이 어떤 규칙에 걸렸는지 표로 정리한다.
+3) 출력된 기종 분류 기준과 라벨 status(auto_draft/analyst_verified)의 의미를 명세서에 적는다. |
+| --- | --- |
+
+| **확인할 결과** | 정상 샘플 오류 0건, 주입 오류 5종 모두 검출
+필드 17개 명세, 기종 분류 기준 5종 정리 |
+| --- | --- |
+
+| **도전 과제** | SCHEMA의 sensor에 촬영 방위각(azimuth_deg, 0~360) 필드를 추가하고, 범위를 벗어난 값을 넣어 검출되는지 확인한다. |
+| --- | --- |
+
+| **제출물** | 스키마 정의 코드, 데이터 명세서(필드·규칙·분류 기준·판독 상태 정의) |
+| --- | --- |
+
+**미션 2. 위성영상 해상도 표준화, 구름 차폐 제거 및 방위/스케일 정규화 전처리 모듈 구현**
+
+| **난이도·시간** | 초급~중급 · 2시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M2 코드를 실행해 처리 속도, 오류율, 결측치 보정율을 확인한다.
+2) 조건별 표에서 구름 조건의 밝은 픽셀이 얼마나 줄었는지, 방위 정규화가 어느 조건에서 약한지 확인한다.
+3) SAR를 함께 쓰면 밝은 민간 차량을 구름으로 오인하지 않는 이유를 설명한다.
+4) 단위 테스트 5종 통과 여부를 기록한다. |
+| --- | --- |
+
+| **확인할 결과** | 처리 속도 1,000건/초 이상(예시 1,395장/초), 오류율 0%, 결측 보정율 100%
+구름 픽셀 25.1% -> 2.1%, 단위 테스트 5/5 통과 |
+| --- | --- |
+
+| **도전 과제** | cloud_mask의 밝기 기준 185를 210으로 바꾸면 구름 조건 결과가 어떻게 변하는지 확인하고, 주간·흐림·저조도 조건별 권장 기준을 제안한다. |
+| --- | --- |
+
+| **제출물** | 전처리 코드, 전처리 전후 비교표, 단위 테스트 결과, 전후 비교 그림 |
+| --- | --- |
+
+**미션 3. 위성영상 내 기갑/포병 장비 객체 탐지 Baseline CNN/Vision 모델 구현**
+
+| **난이도·시간** | 중급 · 2.5시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M3 코드를 실행해 규제 강도(C) 선택 과정과 기본 시험셋 정확도를 확인한다.
+2) 혼동행렬에서 가장 많이 틀린 기종 쌍을 찾는다.
+3) 은폐 조건 정확도가 크게 떨어지는 이유를 필터 반응 그림으로 설명한다. |
+| --- | --- |
+
+| **확인할 결과** | 기본 시험셋 정확도 75% 이상(예시 96.5%)
+은폐 조건 정확도 0.25~0.61로 한계 확인 |
+| --- | --- |
+
+| **도전 과제** | KERNELS에 다른 방향의 필터(예: 가로선 검출 [[-1,-1,-1],[2,2,2],[-1,-1,-1]])를 추가해 기본·은폐 조건 정확도가 어떻게 바뀌는지 기록한다. |
+| --- | --- |
+
+| **제출물** | Baseline 코드, 기본 추론 결과 보고서(혼동행렬, 은폐 조건 정확도) |
+| --- | --- |
+
+**미션 4. 위장막/차폐 환경 하 군용 장비 미세 특징 추출 및 정밀 객체분류 모델 고도화**
+
+| **난이도·시간** | 중급 · 3시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M4 코드를 실행해 Baseline과 정밀 모델의 기종 식별 재현율·정확도를 비교한다.
+2) 은폐 조건 10종 표에서 가장 약한 조건을 찾는다.
+3) 중요 특징 상위 목록을 보고 SAR 특징이 왜 중요한지 정리한다. |
+| --- | --- |
+
+| **확인할 결과** | 군용 기종 식별 재현율 85% 이상(예시 97.3%), 1장당 200ms 이하
+은폐 조건 10종 통과, 최약 조건은 저해상도(0.87) |
+| --- | --- |
+
+| **도전 과제** | 학습 자료를 맑은 조건만(scen=("clean",))으로 바꿔 다시 학습하면 조건별 재현율이 어떻게 떨어지는지 확인하고 증강 학습의 효과를 설명한다. |
+| --- | --- |
+
+| **제출물** | 정밀 모델 코드, 은폐 조건 10종 시험 결과, 오분류 유발 패턴 분석 |
+| --- | --- |
+
+**미션 5. 위성 촬영 각도/그림자 영향에 따른 객체분류 신뢰도 점수 산출 및 오분류 필터 구현**
+
+| **난이도·시간** | 중급~고급 · 3시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M5 코드를 실행해 신뢰도 가중치 매트릭스를 확인한다.
+2) 기존 방식과 엔진의 오분류율, 판독 보류 건수를 비교한다.
+3) 등급별 실제 정답률과 임계값 민감도 표를 보고 High 기준의 타당성을 판단한다. |
+| --- | --- |
+
+| **확인할 결과** | 오분류율 감축 40% 이상(예시 3.2% -> 0.6%, 82.5% 감축)
+등급 일관성 90% 이상(예시 98.5%), ROC-AUC 0.961 |
+| --- | --- |
+
+| **도전 과제** | grade() 함수의 High 기준을 0.95로 올리면 자동 보고와 판독 보류 건수가 어떻게 바뀌는지 확인하고, 판독관 인원을 고려한 적정 기준을 토의한다. |
+| --- | --- |
+
+| **제출물** | 신뢰도 엔진 코드, 오분류 필터 전후 비교표, 신뢰도 가중치표, 등급 기준 설명 |
+| --- | --- |
+
+**미션 6. 위성영상 표적 탐지 위치 및 식별 확률 지도(Heatmap) 가시화 UI 구현**
+
+| **난이도·시간** | 중급 · 2.5시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M6 코드를 실행해 타일 갱신 처리시간과 식별 목록을 확인한다.
+2) 분석 화면의 4개 구성요소(식별 오버레이, 밀집도, 기종 현황, 확률 분포)를 확인한다.
+3) 식별확률이 낮은 대상이 어떤 조건에서 나왔는지 정리한다. |
+| --- | --- |
+
+| **확인할 결과** | 타일 한 줄 갱신 100ms 이내(예시 33ms), 렌더링 1초 이내
+시각화 구성요소 4종, 실제 객체 17건 모두 식별 |
+| --- | --- |
+
+| **도전 과제** | 밀집도 계산의 가우시안 폭(24)을 12로 줄이면 밀집 지점 표시가 어떻게 바뀌는지 확인하고, 분석관 인지 부하를 줄이는 화면 개선안을 제시한다. |
+| --- | --- |
+
+| **제출물** | 분석 화면 코드, 화면 이미지, 식별 목록, 개선안 |
+| --- | --- |
+
+**미션 7. 고가치 표적(HVT) 식별 시 영상분석관 최종 판독(HITL) 및 교차 검증 절차 설계**
+
+| **난이도·시간** | 고급 · 3시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M7 코드를 실행해 HVT 우선 판독 순서와 차단된 규칙 위반 사례를 확인한다.
+2) 교차 검증 불일치(IMG0103)가 보류 후 상신되는 흐름을 확인한다.
+3) HVT 2인 판독이 동작하는지, 감사 로그 변조가 검출되는지 확인한다. |
+| --- | --- |
+
+| **확인할 결과** | 자동 승인 0건, 규칙 위반 5건 차단(자동 확정·확대 판독 전 승인·허용 외 조치·교차 검증 전 승인·1인 승인)
+로깅 성공률 100%, 변조 위치(6번째 기록) 검출 |
+| --- | --- |
+
+| **도전 과제** | HVT_TYPES에 'tank'를 추가하면 판독 순서와 2인 판독 부담이 어떻게 바뀌는지 확인하고, 지휘관 피드백 입력 양식(필수 항목)을 설계한다. |
+| --- | --- |
+
+| **제출물** | 판독 워크플로우 코드, HITL 판독 절차 요약(확대 판독·교차 검증·2인 판독·근거 기록 요건) |
+| --- | --- |
+
+**미션 8. 악기상 및 저해상도 위성영상 대량 배치 처리 스트레스 테스트 및 한계치 도출**
+
+| **난이도·시간** | 고급 · 3.5시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M8 코드를 실행해 상황별 수신·처리·격리·유실·다운을 확인한다.
+2) 메모리 반복 측정과 병목 구간 비율을 확인한다.
+3) 처리 예산 부족 시 정밀분류 지연(기능 축소) 표시를 확인하고 처리 한계치 환산값을 기록한다. |
+| --- | --- |
+
+| **확인할 결과** | 모든 상황 다운 0건, 유실률 0%(손상 타일 31장 격리)
+메모리 증가 5MB 이내, 병목은 전처리·특징 단계, 성능저하 모드 표시 |
+| --- | --- |
+
+| **도전 과제** | 처리 예산(150ms)을 50ms로 줄여 정밀분류 지연 건수를 확인하고, 시간당 목표 면적을 처리하기 위해 필요한 코어 수를 계산한다. |
+| --- | --- |
+
+| **제출물** | 스트레스 시험 코드, 시험 결과표, 병목 분석과 처리 한계치 |
+| --- | --- |
+
+**미션 9. AAR 기반 모의 위장 표적 오판독 사례 분석 및 객체분류 모델 파라미터 재보정**
+
+| **난이도·시간** | 고급 · 3시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M9 코드를 실행해 초기 설정의 AAR 일지(오판독 원인별 건수)를 확인한다.
+2) 모의 표적과 실제 장비의 SAR 반사 차이를 확인한다.
+3) 격자 탐색 결과와 재보정 전후 정확도, 회귀 시험, 재발 오류를 비교한다. |
+| --- | --- |
+
+| **확인할 결과** | 원인별 오판독 분류 완료, 종합 정확도 +10%p 이상(예시 0.786 -> 0.990)
+회귀 시험 0.790 -> 0.984, 재발 5건(위장·구름 조건 기종 혼동)과 대책 제시 |
+| --- | --- |
+
+| **도전 과제** | decide()의 SAR 일치성 규칙을 '모의표적 미학습' 모델에 적용하도록 바꾸고(예: civil 판정에도 적용) 정확도가 어떻게 달라지는지 비교한다. |
+| --- | --- |
+
+| **제출물** | AAR 보고서(계획·결과·원인·개선), 재보정 파라미터, 회귀 시험 결과 |
+| --- | --- |
+
+**미션 10. 공개 위성영상 장비 객체분류 시스템 통합 및 전략 ISR 평가 브리핑 패키지 완성**
+
+| **난이도·시간** | 최고급 · 3.5시간 |
+| --- | --- |
+
+| **진행 순서** | 1) M10 코드를 실행해 자체 점검 10개 항목이 모두 PASS인지 확인한다.
+2) 손상 타일·메타데이터 오류 차단과 기능 커버리지를 확인한다.
+3) 브리핑 요약을 바탕으로 5분 분량 전략 ISR 평가 브리핑 자료와 인접 체계 연동 확장 방안을 작성한다. |
+| --- | --- |
+
+| **확인할 결과** | 자체 점검 10/10 통과, 기능 커버리지 100%(12/12)
+종합 정확도 96.6%, 모의 표적 적발 100.0%, 판독 대기 251건, 자동 승인 0건 |
+| --- | --- |
+
+| **도전 과제** | CONFIG의 train_with_decoy를 False로 바꿔 실행하고 어떤 점검 항목이 실패하는지 확인해 브리핑의 '한계' 항목에 반영한다. |
+| --- | --- |
+
+| **제출물** | 통합 코드, 전략 ISR 평가 브리핑 자료, 최종 결과 보고서, 사용자 가이드 |
+| --- | --- |
+
+**4. 최종 점검표**
+
+| **점검 항목** | **확인** |
+| --- | --- |
+| 미션 1~10 코드가 모두 오류 없이 실행되었다 | ( ) |
+| 각 미션의 확인할 결과를 기록했다 | ( ) |
+| 도전 과제 결과와 이유를 기록했다 | ( ) |
+| 브리핑 수치가 실행 결과와 일치한다 | ( ) |
+| 실제 위성영상·위치·장비 제원을 사용하지 않았다 | ( ) |
+| 식별 결과를 영상분석관 판독 보조 정보로 표현했다 | ( ) |