This thesis proposal focuses on developing a comprehensive data acquisition pipeline for collecting ship images and their corresponding Automated Identification System (AIS) positions. The central objective is the creation of a dataset that is instrumental in training and evaluating machine learning models for distance estimation in monocular camera systems. Accurate distance estimation is critical for collision avoidance, object tracking, and enhancing situational awareness in marine environments. The proposed automated approach involves integrating AIS data with monocular camera imagery through various steps, including AIS data integration, using a pre-trained ship detection model, image collection with precise synchronization, and dataset generation. The pipeline encompasses multiple sensors to generate an annotated dataset that includes ship positions, distances, and speeds. This newly developed dataset is utilized for training an inference model, and evaluation metrics such as average precision and intersection over union are applied to assess its performance against manually annotated images. The system proposed is anticipated to contribute significantly to future machine-learning models that aim to estimate the position and speed of ships using monocular camera systems, offering practical applications for enhancing safety and efficiency in marine environments.
이 논문 제안서는 선박 이미지와 그에 상응하는 선박자동식별장치(AIS) 위치를 수집하기 위한 포괄적인 데이터 수집 파이프라인을 개발하는 데 초점을 맞추고 있다. 핵심 목표는 단안 카메라 시스템에서 거리 추정을 위한 머신러닝 모델을 훈련하고 평가하는 데 중요한 역할을 하는 데이터 세트를 만드는 것이다. 정확한 거리 추정은 충돌 방지, 물체 추적, 해양 환경에서의 상황 인식 향상에 매우 중요하다. 제안된 자동화된 접근 방식에는 사전 학습된 선박 감지 모델을 사용한 AIS 데이터 통합, 정밀한 동기화를 통한 이미지 수집, 데이터 세트 생성 등 다양한 단계를 통해 AIS 데이터를 단안 카메라 이미지와 통합하는 과정이 포함된다. 이 파이프라인은 여러 센서를 통합하여 선박의 위치, 거리, 속도를 포함하는 주석이 달린 데이터 세트를 생성한다. 이렇게 새로 개발된 데이터 세트는 추론 모델 훈련에 활용되며, 수동으로 주석이 달린 이미지와 비교하여 성능을 평가하기 위해 Mean Average Precision 및 Intersection Over Union 과 같은 평가 지표를 사용한다. 제안된 시스템은 단안 카메라 시스템을 사용하여 선박의 위치와 속도를 추정하는 미래의 머신러닝 모델에 크게 기여할 것으로 예상되며, 해양 환경에서의 안전과 효율성 향상을 위한 실용적인 애플리케이션을 제공할 수 있을 것으로 기대한다.