Saimon Seong-il Woo
Sungkyunkwan University
About the Lab
Professor Saimon Seong-il's research lab specializes in computer vision and remote sensing, with a focus on advancing object detection techniques for Earth observation imagery. The lab develops deep learning-based methods to improve the accuracy and efficiency of detecting small, densely packed objects in synthetic aperture radar (SAR) and electro-optical (EO) satellite images. By innovating object detection architectures—such as extending YOLOv7 to handle oriented bounding boxes (OBB)—the lab addresses challenges in detecting objects with arbitrary orientations in complex, real-world imaging scenarios. Their work bridges the gap between theoretical deep learning and practical applications in space-based monitoring and environmental sensing.
Research Overview
Research Output Trend
Figures are computed from collected data and may differ slightly.
Selected Papers
1객체 탐지 모델의 발전으로, 합성 개구 레이더(SAR) 및 전기 광학(EO) 위성 이미지와 같은 이미지들를 효율적으로 추론할 수 있다. 수평 경계 상자(HBB)를 사용하는 기존 탐지 모델 은 위성 이미지 상의 작고 밀집된 객체들을 탐지하기 어렵다. 이러한 문제를 해결하기 위해 본 논문에서는 Yolov7 객체 감지 모델의 구조를 효율적으로 변경하여, SAR 이미지에서 OBB(Oriented Bounding Box)로 표현된 객체를 정확하게 감지할 수 있는 알고리즘인 E^2RDet을 제안한다. 이 알고리즘은 객체 탐지 모델 아키텍처와 손실 함수를 수정하여 물체의 동적(orientation) 자세를 학습 가능하도록 개선한다. E^2RDet은 다양한 데이터셋을 학습에 활용하여 총 세 가지 벤치마크 SAR 데이터셋에서 성능 향상을 보였다. 이는 기존 객체 감지 모델들이 OBB로 표현된 객체도 학습 및 객체 탐지가 가능하다는 것을 의미한다.
Dive deeper into Saimon Seong-il Woo's research on Nubint
Open this lab's papers in the app to read with AI, summarize, and cite in your writing.