본 논문은 수중 로봇의 자율 주행 및 자원 탐사를 위한 소나 영상의 객체 탐지에서, 특히 스페클, 반향, 비-가우시안 잡음과 같은 복잡한 잡음 패턴으로 인한 정확도 저하 문제를 해결하기 위해, 9가지 최첨단 심층 탈잡음 모델(Neighbor2Neighbor, Blind2Unblind, DSPNet 등)을 소나 영상 전처리에 적용하여 체계적으로 평가한 연구입니다. 5개의 공개 소나 데이터셋과 4가지 대표적인 객체 탐지 알고리즘(YOLOX, Faster R-CNN, SSD300, SSDMobileNetV2)을 사용하여 광학 영상 탈잡음 모델의 소나 데이터 적용 효과, 소나 잡음에 대한 최적 모델, 탈잡음이 실제 파이프라인에서 탐지 정확도를 향상시키는지 여부를 평가했습니다. 실험 결과, 탈잡음이 일반적으로 탐지 성능을 향상시키지만, 각 모델의 잡음 유형에 대한 고유한 편향으로 인해 효과가 다름을 보였습니다. 따라서 상호 지도 다중 소스 탈잡음 융합 프레임워크를 제안하여, 여러 탈잡음기의 출력이 픽셀 수준에서 서로를 상호 감독하여 더욱 깨끗한 이미지를 생성합니다.
