SeaFogNet: ROI-based Deep Learning for Maritime Fog Detection (J-KICS 2025)

본 프로젝트는 해상 CCTV 영상에서 해무(바다 안개)를 정밀하게 탐지하기 위한 딥러닝 기반 모델입니다.
수평선과 시정거리(1km, 500m)를 기준으로 4개의 관심영역(Region of Interest, RoI)을 설정하고, 각 구간에서 해무 농도를 분석하여 정량적 위험도를 예측합니다.

---

📄 논문 정보

• 논문 제목: 관심 영역을 활용한 딥러닝 기반 해무 탐지 시스템
• 저널명: The Journal of Korean Institute of Communications and Information Sciences (J-KICS)
• 논문 ID: 202410-259-D-RN.R1
• 게재 예정일: 2025년 7월 15일 (제50권 7호)
• 링크: J-KICS 홈페이지 (게재 후 DOI 추가 예정)

---

🧠 모델 아키텍처 요약

전체 해무 탐지 파이프라인은 다음과 같은 과정을 거칩니다:

---

📐 관심영역(ROI) 분할 구조

EfficientNet에서 추출한 특징 맵을 4개 구간(하늘, 1km, 500m, 하단)으로 분할하여 정밀하게 분석합니다:

---

🧩 Spatial Attention 메커니즘

결합된 글로벌 특징 벡터에 어텐션을 적용하여 해무 관련 시각적 단서를 강화합니다:

---

📊 성능 비교: 정밀도 (Precision)

상황별 정밀도 비교 결과 (Proposed vs 기존 CNN 기반 모델):

---

📊 성능 비교: 재현율 (Recall)

상황별 재현율 비교 결과:

---

📦 모델 구성

• EfficientNet-B0 백본 네트워크
• 4개 RoI(하늘, 1km, 500m, 하단) 기반 특징 분리
• 전역 평균 풀링(GAP) 및 Spatial Attention 적용
• CrossEntropy 기반 4단계 분류: 비해무 / 저시정 / 해무 / 짙은 해무

---

💾 실행 예시

python train.py --csv_file ./data/labels.csv --image_folder ./data/images --model_path ./weights/seafognet.pth