pbl02/scenario_md/TRN03-교육·훈련_전투력 향상 교육-드론·미사일 실루엣 이미지 분류 학습앱/TRN03_실습가이드.md

TRN03 실습가이드 - 드론·미사일 실루엣 이미지 분류 학습앱

구 분 실습가이드 [교육용가상자료]

1. 실습 개요

본 실습은 기본 도형으로 만든 교육용 합성 실루엣으로 드론·미사일 실루엣 분류 학습앱을 미션 단위로 구현하는 과정이다. 미션마다 정답 코드(TRN03_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.

과제	TRN03 드론·미사일 실루엣 이미지 분류 학습앱

난이도·유형	중급 / 코딩형

예상 소요시간	미션 10개, 총 27.5시간

준비물	TRN03_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 실루엣 생성 함수가 빠져 오류가 난다).

• 실행 결과를 md의 '실행 결과 예시'와 비교한다. 난수 시드가 고정되어 있어 같은 값이 나와야 한다. 처리 속도(장/초, ms)는 실행 환경에 따라 달라질 수 있다.

• 도전 과제는 코드 상단의 파라미터(잡음 임계값, 규칙 깊이, 신뢰도 기준, 대기열 용량 등)를 바꿔 다시 실행하고 변화와 이유를 기록한다.

• 그래프 글자는 영문, 표·출력은 한글이다. 한글이 깨지면 실행기 글꼴 문제이며 결과에는 영향이 없다.

• 실루엣은 실제 기종이 아닌 추상 도형이다. 실제 기체 사진이나 부대 촬영 이미지는 입력하지 않으며, 실제 식별·대응은 정식 교육과 지휘계통에 따른다.

3. 미션 진행 요약

미션	난이도·시간	핵심 확인 결과
M1. 전술 드론 및 순항/탄도미사일 실루엣 이미지(흑백/원거리/다각도) 데이터셋 구축	초급
1.5시간	정상 샘플 오류 0건, 주입 오류 7건 모두 검출
M2. 이미지 명암 대비 강화, 윤곽선(Edge) 검출 및 크기 정규화 전처리 모듈 구현	초급~중급
2시간	처리 속도 1,000장/초 이상(예시 2,056장/초), 단위 테스트 5/5
M3. 기본 형태 특징 기반 1차 비행체 실루엣 분류 Baseline 모델 구현	중급
2.5시간	기본 데이터셋 정확도 75% 이상(예시 94.6%)
M4. 다양한 각도/배경 노이즈 환경 하 전술 드론·미사일 정밀 이미지 분류 딥러닝 고도화	중급
3시간	복합 위협 재현율 85% 이상(예시 90.7%), 처리 지연 200ms 이하
M5. 유사 형상 비행체(민간 드론 vs 자폭 드론) 오분류 방지 신뢰도 점수 엔진 구현	중급~고급
3시간	오경보율 40% 이상 감축(예시 79.3%), 일관성 90% 이상(예시 97.3%)
M6. 장병 대상 모바일/웹 대화형 실루엣 식별 학습 앱 UI 프로토타입 구현	중급
2.5시간	응답 처리 최대 100ms 이내(예시 6.6ms), 점수 9/12
M7. 학습자 오답 시 정답 실루엣 비교 및 핵심 특징(날개 형상 등) 교관 HITL 해설 모듈 설계	고급
3시간	자동 공개 0건, 규칙 위반 3건 차단, 로깅 성공률 100%
M8. 다량의 저품질 흐린 실루엣 이미지 분류 스트레스 테스트 및 한계치 검증	고급
3.5시간	모든 상황 다운 0건, 유실률 0%
M9. AAR 기반 장병 다빈도 오답 비행체 분석 및 학습 데이터셋 증강 재학습	고급
3시간	종합 정확도 0.770 → 0.873(+10.3%p)
M10. 드론·미사일 실루엣 분류 학습앱 최종 패키징 및 부대 교육 배포 가이드 완성	최고급
3.5시간	자체 점검 10/10, 함수 커버리지 87%

미션 1. 전술 드론 및 순항/탄도미사일 실루엣 이미지(흑백/원거리/다각도) 데이터셋 구축

난이도·시간	초급 · 1.5시간

| 진행 순서 | 1) M1 코드를 실행해 정상 샘플 60장의 검증 결과를 확인한다. 2) 오류 주입 결과 7건이 어떤 규칙에 걸렸는지 표로 정리한다.

3) 레이블 정의표와 필드 명세를 보고 빠진 전술 파라미터가 없는지 검토한다.

| 확인할 결과 | 정상 샘플 오류 0건, 주입 오류 7건 모두 검출

레이블 6종(위협 3종)과 필드 15개 명세 출력

도전 과제	tactical에 관측 고도 등급(altitude_level: low/mid/high) 필드를 추가하고 허용되지 않은 값을 넣어 검출되는지 확인한다.

제출물	스키마 정의 코드, 데이터 명세서(레이블 정의표·필드 규칙표)

미션 2. 이미지 명암 대비 강화, 윤곽선(Edge) 검출 및 크기 정규화 전처리 모듈 구현

난이도·시간	초급~중급 · 2시간

| 진행 순서 | 1) M2 코드를 실행해 처리 속도와 단위 테스트 5종 결과를 확인한다. 2) 전처리 전후 식별 정확도 표에서 야간(night) 조건이 크게 개선된 이유를 극성 보정으로 설명한다.

3) 원거리 조건에서 잡음 임계값을 0으로 낮췄을 때 정확도가 떨어지는 이유를 정리한다.

| 확인할 결과 | 처리 속도 1,000장/초 이상(예시 2,056장/초), 단위 테스트 5/5

야간 정확도 0.167 → 0.983으로 개선

도전 과제	NOISE_T를 8과 20으로 바꿔 noise·far 조건 정확도 변화를 비교하고, 조건별 적정 임계값을 제안한다.

제출물	전처리 코드, 단위 테스트 결과, 조건별 전처리 전후 비교표

미션 3. 기본 형태 특징 기반 1차 비행체 실루엣 분류 Baseline 모델 구현

난이도·시간	중급 · 2.5시간

| 진행 순서 | 1) M3 코드를 실행해 규칙 깊이별 정확도와 기본 데이터셋 혼동표를 확인한다. 2) 출력된 판단 규칙을 읽고 w_max·fill 기준이 어떤 형상 차이를 뜻하는지 해석한다.

3) 어려운 조건 정확도로 Baseline의 한계를 정리한다.

| 확인할 결과 | 기본 데이터셋 정확도 75% 이상(예시 94.6%)

측면(oblique) 0.292 등 어려운 조건에서 급락

도전 과제	max_depth를 5로 올리면 정확도와 규칙 줄 수가 어떻게 변하는지 비교하고, 교관이 설명하기 쉬운 깊이를 토의한다.

제출물	Baseline 코드, 기본 추론 결과 보고서(혼동표·판단 규칙·한계표)

미션 4. 다양한 각도/배경 노이즈 환경 하 전술 드론·미사일 정밀 이미지 분류 딥러닝 고도화

난이도·시간	중급 · 3시간

| 진행 순서 | 1) M4 코드를 실행해 시나리오 10종의 Baseline·신경망 정확도와 위협 재현율을 확인한다. 2) FAIL 시나리오(clutter, occlude, combo)의 공통점을 찾는다.

3) 오경보·미탐 유발 패턴 상위 항목을 정리한다.

| 확인할 결과 | 복합 위협 재현율 85% 이상(예시 90.7%), 처리 지연 200ms 이하

시나리오 통과 7/10, combo 조건이 가장 취약

도전 과제	train_model의 hidden을 (128, 64)로 바꾸고 학습 장수를 늘려 combo 정확도와 학습 시간 변화를 기록한다.

제출물	고도화 모델 코드, 시나리오별 시험 결과표, 오경보 패턴 분석

미션 5. 유사 형상 비행체(민간 드론 vs 자폭 드론) 오분류 방지 신뢰도 점수 엔진 구현

난이도·시간	중급~고급 · 3시간

| 진행 순서 | 1) M5 코드를 실행해 기존 방식과 신뢰도 엔진의 오경보율·위협 재현율을 비교한다. 2) 임계값 민감도 표에서 오경보와 재현율이 맞바뀌는 구간을 찾는다.

3) 클래스별 등급 분포에서 Low가 많은 클래스를 확인한다.

| 확인할 결과 | 오경보율 40% 이상 감축(예시 79.3%), 일관성 90% 이상(예시 97.3%)

ROC-AUC 0.983, 위협 재현율 0.924 → 0.836

도전 과제	WEIGHTS를 p_max 0.8, margin 0.2로 바꿔 오경보율과 일관성이 어떻게 변하는지 확인하고 적정 가중치를 제안한다.

제출물	신뢰도 엔진 코드, 필터링 전후 비교표, ROC·점수 분포 그림

미션 6. 장병 대상 모바일/웹 대화형 실루엣 식별 학습 앱 UI 프로토타입 구현

난이도·시간	중급 · 2.5시간

| 진행 순서 | 1) M6 코드를 실행해 문항 화면 2개와 피드백 문구를 확인한다. 2) 응답 처리시간과 화면 갱신 처리시간이 목표 이내인지 확인한다.

3) 야간 모드 화면의 구성요소 5종과 정답·오답 색 구분을 점검한다.

| 확인할 결과 | 응답 처리 최대 100ms 이내(예시 6.6ms), 점수 9/12

시각화 구성요소 5종, 정답 초록·오답 빨강 표시

도전 과제	N_OPTIONS를 3으로 줄이거나 CONFUSE 보기를 빼면 문항 난이도가 어떻게 달라지는지 토의하고 출제 규칙을 제안한다.

제출물	학습 앱 UI 코드, 학습 화면, 개선 의견

미션 7. 학습자 오답 시 정답 실루엣 비교 및 핵심 특징(날개 형상 등) 교관 HITL 해설 모듈 설계

난이도·시간	고급 · 3시간

| 진행 순서 | 1) M7 코드를 실행해 오답 20건이 혼동 쌍 5건으로 묶이는 것을 확인한다. 2) 규칙 위반 시도 3건이 차단된 이유를 정리한다.

3) SLA 초과 상신과 감사 로그 변조 검출 결과를 확인한다.

| 확인할 결과 | 자동 공개 0건, 규칙 위반 3건 차단, 로깅 성공률 100%

4번째 기록 변조 위치 검출

도전 과제	SLA_H를 12시간으로 줄이면 상신 건수가 어떻게 바뀌는지 확인하고, 교관 1명이 하루에 검토할 수 있는 건수를 가정해 운영안을 만든다.

제출물	HITL 해설 모듈 코드, 교관 검토 절차 요약(승인·수정·반려 기준)

미션 8. 다량의 저품질 흐린 실루엣 이미지 분류 스트레스 테스트 및 한계치 검증

난이도·시간	고급 · 3.5시간

| 진행 순서 | 1) M8 코드를 실행해 부하 상황별 응답·유실률·다운·판별불가 수를 확인한다. 2) 흐림 단계별 정확도 표에서 한계치를 찾는다.

3) 병목 구간 비율과 메모리 반복 측정값을 확인한다.

| 확인할 결과 | 모든 상황 다운 0건, 유실률 0%

흐림 2.5 이상에서 정확도 75% 미만, 병목은 형태특징 계산

도전 과제	MIN_CONF를 0.7로 올려 극저화질 상황의 판별 정확도와 판별불가 건수 변화를 비교한다.

제출물	스트레스 테스트 코드, 부하 시험 결과표, 병목 개선안

미션 9. AAR 기반 장병 다빈도 오답 비행체 분석 및 학습 데이터셋 증강 재학습

난이도·시간	고급 · 3시간

| 진행 순서 | 1) M9 코드를 실행해 다빈도 오답 쌍과 현행 모델의 조건별 오류율을 확인한다. 2) 증강 재학습 전후 종합 정확도와 조건별 정확도를 비교한다.

3) 재발 오류와 회귀 오류 건수, 교관 확인으로 걸러지는 건수를 정리한다.

| 확인할 결과 | 종합 정확도 0.770 → 0.873(+10.3%p)

재발 67건(목표 0건 미달), 그중 36건은 교관 확인으로 걸러짐

도전 과제	증강 클래스당 추가 장수를 40에서 80으로 늘리면 재발 오류와 회귀 오류가 어떻게 변하는지 확인한다.

제출물	AAR 보고서(무엇이·왜·무엇을 바꾸나), 재보정 파라미터

미션 10. 드론·미사일 실루엣 분류 학습앱 최종 패키징 및 부대 교육 배포 가이드 완성

난이도·시간	최고급 · 3.5시간

| 진행 순서 | 1) M10 코드를 실행해 자체 점검 10개 항목이 모두 PASS인지 확인한다. 2) 손상 문항 3건 차단과 함수 커버리지를 확인한다.

3) 출력된 배포 브리핑 요약으로 5분 분량 브리핑 자료를 만든다.

| 확인할 결과 | 자체 점검 10/10, 함수 커버리지 87%

판별(Medium 이상) 정확도 96.7%, 해설 자동 공개 0건

도전 과제	CONFIG의 min_confidence를 0.7로 바꿔 실행하고 Low 문항 수와 판별 정확도 변화를 브리핑에 추가한다.

제출물	통합 코드, README(실행 방법), 부대 교육 배포 브리핑 자료

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 기체 사진·부대 촬영 이미지를 사용하지 않았다	( )
AI 해설·판정은 교관 확인 후에만 제공됨을 명시했다	( )