본 논문은 합성개구레이다(SAR) 선박 분류에 사용되는 다양한 심층 학습(DL) 기법들을 종합적으로 분석한 설문 조사 논문이다. 심층 학습 모델, 수작업 특징 사용, SAR 속성 활용, 미세 조정의 영향 등을 기준으로 연구를 분류하는 최초의 분류 체계를 제시한다. SAR 선박 분류 작업에 사용되는 방법론과 다양한 기법의 영향을 논의하고, 데이터 부족 문제 해결, 새로운 DL 아키텍처 탐색, 해석 가능성 기법 통합, 표준화된 성능 지표 구축 등 미래 연구 방향을 제시한다. 수작업 특징 통합, 공개 데이터셋 활용, 데이터 증강, 미세 조정, 설명 가능성 기법 등의 중요성을 강조하며, DL 모델 성능 향상을 위한 학제 간 협력의 필요성을 역설한다. 궁극적으로 더 정확하고 효율적인 선박 분류 시스템 개발에 기여하여 해양 감시 및 관련 응용 분야를 향상시키는 것을 목표로 한다.
