본 논문에서는 인력에 의한 외관 조사의 단점을 해결하고 터널 안전 점검의 자동화를 위하여 터널 스캐닝 영상을 통 한 영상접합 자동화 알고리즘을 제시한다. 터널 스캐닝 영상을 통한 안전 점검은 기존 인력에 의한 외관 조사에 비해 조사 기 간과 인력을 크게 줄일 수 있으며 조사자의 안전사고와 교통체증에 따른 사회적 비용을 절감할 수 있다는 장점이 있다. 터널 스캐닝 영상 기반 안전 점검을 위해서는 터널 스캐닝 영상의 접합을 통하여 평면 전개 이미지 자동화 생성이 핵심이다. 터널 스캐닝 영상 기반 평면 전개 이미지 생성의 자동화를 위하여 특징점 추출 및 특징점 매칭을 통한 다중촬영 이미지 간 접합 과 정이 주요한 요소이다. 본 연구에서는 터널 평면 전개 이미지 자동화 생성의 주요 요소인 이미지 접합의 성능을 높이고 기존 접합 기술에서 발생하는 오류를 해결하기 위하여 특징점 매칭 선분의 물리적인 특성을 고려하여 매칭 정확도를 높인 기술을 제 안하였다. 터널 이미지 중 약80∼90%를 이루는 타일부와 콘크리트부를 대상으로 기존기술의 특징점 매칭 결과와 제안 기술의 특징점 매칭 결과를 비교분석 하였으며 제안 기술을 통해 매칭 성능이 향상된 것을 확인하였다.

MRI는 인체에 수소 밀도에 따른 재현성의 차이가 상대적으로 기존의 영상 장비들에 비교하여 큰 차이가 있으므로 임상 에서 이를 증명하고 문제 발견 시 이를 보완하는 것이 딥러닝 알고리즘은 매우 중요하다. 따라서 본 연구에서는 현재 특수 의료장비에서 권하는 미국 방사선 의학회(American College of Radiology, ACR)의 두부 전용 MRI 팬텀을 사용하여 영상 품질기준에 현재 임상 적용되고 있는 딥러닝 알고리즘 방법을 적용하여 딥러닝 알고리즘 적용 전후 변화를 평가해 보고자 하였다. 연구 결과 분해능을 측정하는 항목인 고대조도 공간 분해능과 같이 해상도와 관련된 영상 품질은 분해능은 개선되었음을 알 수 있었고, 그뿐만 아니라 위치의 정확도 역시도 기존에 딥러닝 알고리즘의 적용 전 영상과 통계적으로 차이가 있었다. 또한 딥러닝 알고리즘의 강도 차이에도 영상 간 차이는 없었다. 이러한 결과는 특수의료장비 영상품질관리 규정에 적용되고 있는 ACR 팬텀의 평가 기준에 부합 하나, 딥러닝 알고리즘 적용 전후 차이가 통계적으로 있었으며, 이러 한 차이가 재현성과 관련하여 추후에 조금 더 관련된 연구기 필요할 것으로 사료된다.

국내에서 유튜브가 정식으로 서비스를 시작한 이후로 다양한 CCM 영상 콘텐츠의 제작이 늘고 있다. 이제 CCM 영상 콘텐츠의 제작은 다양한 활동을 위한 필수적인 요소로 자리 잡고 있으며 이 는 국내 CCM 문화의 성장에 좋은 양분이 되고 있다. 하지만 이와 관련된 연구가 전무한 실정이다. 지속적인 발전을 위해 관련 연구에 관한 논의가 활발히 이루어져야 함을 생각하였다. 그리고 본 연구를 통해 유튜브를 통한 CCM 영상 콘텐츠의 제작과 국내 CCM 문화에 도움이 되고자 하였다. 본 연구는 2010년대 이후 CCM 영상 콘텐츠를 분석하여 특성을 도출하였다. 국내 CCM 관련 콘텐츠 채널 중 2010년대 이후의 결성된 팀의 채널을 분류하여 다양한 기준을 통해 「J-US Ministry」와 「WELOVE CREATIVE TEAM」 그리고 「아이자야씩스티원(Isaiah6tyOne)」을 선정하였다. 그리고 각 채널의 콘텐츠와 음악을 중심으로 분석하여 도출해낸 특성은 이러하다. 첫째, 온라인 콘텐츠의 특성이 활용되었다. 시공간의 제약을 벗어나는 주제와 새로운 촬영기법을 활용한 콘텐츠가 제작 되었고, 무대 연출과 연행방식에서도 새로운 시도가 있었다. 둘째, 새로운 노랫말의 표현을 사용 하였다. ‘공감’이라는 일상적 단어와 ‘시간’과 ‘뚫다’라는 다른 개념의 단어가 혼합된 노 랫말을 사용하였다. 셋째, 기존의 형태를 벗어나는 음악적 시도가 있었다. 예배음악의 일반적인 음악적 특징에서 벗어나 5도 이상의 도약을 사용하였고, 2옥타브 솔#(G#)의 다소 높은 음의 사용 이 있었다. 본 연구는 유튜브를 통한 국내 CCM 관련 콘텐츠 중 일부만을 다루었다는 점에서 아쉬 움을 남긴다. 그리고 이와 관련된 연구가 계속해서 진행되기를 기대한다.

본 연구는 데이터 과학의 과정에 따른 파이썬 기반의 외부고리 은하 영상 분석 알고리즘 개발을 목적으로 한다. 잠재적 사용자는 학생과 교사를 포함한 시민 과학자로 정하였다. 은하의 실제 데이터를 이용한 분류 연구는 IRAF 라는 전문 소프트웨어가 이용되고 있어 일반인이 접근하기에 한계가 있다. 이에 IRAF를 사용한 선행 연구의 결과와 비교 검 증이 가능한 외부고리 은하를 분석 대상 천체로 정하여, 영상 분석 알고리즘을 개발하고 그 결과를 검증하였다. 검증 결과 총 69개의 외부고리 은하 중 50개(72.5%)가 IRAF 결과와 높은 일치를 보였다. 남은 19개(27.5%)는 시선 방향에 겹친 밝은 별의 존재 혹은 은하 내부의 약한 밝기로 인해 IRAF 결과와 다른 낮은 일치를 보였다. 보완 과정을 거친 최종 결과물은 공유 및 교육 자료의 활용도를 높이기 위해 전체 사용된 데이터와 알고리즘, 파이썬 코드 파일 및 사용 설명서를 GitHub에 탑재하였다.

본 연구는 RGB, 초분광 센서를 이용하여 시기별 사과 잎의 엽록소와 질소 함량을 예측하여 사과 나무 잎의 질소 영양을 진단하기 위해 수행되었다. 분광 데이터는 사과나무 ‘홍로 /M.9’ 2년생을 대상으로 고해상도 RGB와 초분광 센서로 촬 영 후 영상처리를 통해 취득하였다. 식물체 데이터는 촬영이 끝난 직후 엽록소와 잎 질소 함량을 측정하였다. 엽록소 측정 기의 SPAD meter, RGB 센서의 개별 파장, 컬러 식생지수 및 초분광 센서의 214개의 파장과 식물체 데이터를 이용하여 회 귀분석을 실시하였다. 엽록소와 잎 질소 함량 데이터는 시기 와 상관없이 질소 시비량에 따라 통계적으로 유의한 차이가 나타났다. 잎은 시기가 지나면서 잎에 있던 영양분이 과실로 전이되어 색이 옅어졌으며 RGB센서의 경우 Red파장에서 시 기와 상관없이 통계적으로 유의한 차이가 나타났다. 초분광 센서의 경우 두 시기 모두 질소 시비 수준에 따라 가시광 영역 보다 비가시광 영역에서 차이가 크게 나타났다. 반사값를 이 용하여 식물체 특성의 예측 모델 결과 엽록소, 잎 질소함량 모 두 초분광 데이터를 이용한 부분최소제곱 회귀분석을 이용하 였을 때 성능이 가장 높게 나타났다(chlorophyll: 81% / 63%, leaf nitrogen content: 81% / 67%). 이러한 원인은 RGB 센서 에 비해 초분광 센서는 좁은 FWHM과 400－1,000nm의 넓 은 파장 범위를 가지고 있어 질소 결핍에 의한 스트레스로 인 해 작물의 분광학적 해석이 가능했을 것으로 판단된다. 추후 분광학적 특성을 이용하여 전 생육 시기의 수체 생리, 생태 모 델 개발 및 검증 그리고 병해충 진단 등 연구를 통해 고품질, 안 정적인 과실 생산 기술 개발에 기여될 것으로 사료된다.

본 연구에서는 드론을 활용한 변위계측에서 드론의 회전진동 보정을 위해 드론 내부의 가속도계를 이용하는 방법 대신에 드 론 영상 내부의 변위가 발생하지 않는 고정점을 활용한 드론의 회전진동 보정방법을 제안하고자 한다. 영상 내부의 고정점을 활용한 드론 회전진동 보정을 위한 예비 연구로서, 카메라를 고정시킨 후 타겟을 회전하여 회전각도를 측정하는 실험과 회전하는 카메라를 통 해 변위가 발생하는 모형구조물의 변위를 계측하는 실험을 통해 카메라의 회전진동이 발생하는 경우 변위 계측정확도를 검증하였다. 변위가 3mm 이하로 발생 시 카메라 진동이 발생하였을 때 계측 신뢰도가 낮은 반면, 변위가 3mm를 초과하여 발생한 경우 비교적 정 확하게 계측되었다.

블록 매칭 및 3D 필터링(BM3D) 알고리즘은 단일 필터의 문제점을 보완하기 위하여 non-local means 기반으로 만들 어진 융합형 노이즈 제거 알고리즘이다. 하지만, 그 수식 인자의 조절에 관한 연구는 이루어지지 않고 있어 본 연구에서는 자기공명영상에서 발생하는 Rician 노이즈를 제거하기 위해 BM3D 알고리즘의 평활화 정도를 결정하는 노이즈 전력 스펙 트럼 밀도(noise power spectrum density,  )에 대한 최적화를 진행하고자 하였다. MRiLab 시뮬레이션 프로그램을 이 용하여 뇌 조직을 모사할 수 있는 뇌척수액(cerebrospinal fluid, CSF)/회색질(gray matter, GM)/백질(white matter, WM) 팬텀의 T1 강조영상을 획득하였고, 노이즈 레벨이 0.1, 0.15, 0.2, 0.25, 그리고 0.3인 Rician 노이즈를 각각 부가 한 후, BM3D 알고리즘의  값을 0.01부터 0.99까지 0.01씩 증가시키며 각각의 노이즈가 부가된 영상에 적용하였다. 정량 적 평가를 통해 최적화 값을 선정하기 위하여 CSF, GM, WM, 그리고 배경 영역에 관심 영역을 설정한 후 조직별 신호 대 잡음비(signal to noise ratio, SNR), 총 변동계수(coefficient of variation, COV), 그리고 평균 제곱근 오차(root mean square error, RMSE)를 측정하였다. 결과적으로, 조직별로 계산된 SNR, COV, 그리고 RMSE를 종합적으로 평가 했을 때 모든 조직에서 노이즈 레벨 0.1부터 0.3까지 증가함에 따라  값 또한 함께 증가하는 경향이 나타났으며 일정  값 이상에서는 노이즈뿐만 아니라 영상신호까지 함께 제거되어 개선 폭이 감소하는 것으로 관찰되었으며, 노이즈 레벨에 따라 각각 0.09, 0.13, 0.17, 0.21, 그리고 0.25의  값이 설정된 BM3D 알고리즘이 적용되었을 때 가장 합리적인 영상 특성을 보이는 것으로 나타났다. 결론적으로, 효과적인 노이즈 제거를 위해서 고정된 값이 아닌 노이즈 레벨에 따른 적합한 값을 적용해야 함을 증명할 수 있었다.

컴퓨터 성능의 발전으로 빅데이터의 효율적인 사용이 가능해지면서, 심층 학습(deep learning)은 다양한 의료 분야에 활용할 수 있는 핵심적인 인공지능(artificial intelligence, AI) 기법으로 각광받고 있다. 이에 본 종설은 뇌종양 진단과 치료에 사용되는 자기공명영상(magnetic resonance imaging, MRI)의 심층 학습 기법을 소개하고자 하였다. 먼저 국내 AI의 의료 분야 도입의 동향을 분석하고, 이를 바탕으로 MRI를 활용한 뇌종양의 진단과 치료에 적용할 수 있는 심층 학습 기법과 그 결과들을 기술하였다. 뇌종양 진단과 치료 시, 심층 학습을 이용한 최근 사례는 영상 분류, 영상 품질 개선, 영상 분할로 나타났으며, 질병의 진단과 치료에 적용할 수 있는 객관적이고 높은 성능 수치를 나타내면서 그 유용성을 확인 할 수 있었다. 종합하자면, 심층 학습은 질병의 진단과 치료에 적용할 수 있는 유용한 지표이며, AI 역량을 지닌 의료진의 지도하에 점진적인 도입이 이뤄진다면 질병의 진단과 치료에 큰 도움을 주는 훌륭한 소프트웨어로 활용될 것으로 여겨진다. 본 종설이 심층 학습을 이해할 때 많은 도움이 되길 바라며, 향후 관련 연구를 수행할 때 가이드라인으로 활용될 것을 기대 한다.

산불이 발생하면 수목은 산불의 직접 영향을 받는 1차 피해와 시간이 경과하면서 다양한 원인으로 고사하는 2차 피해를 입는다. 산불 발생 후 피해지 조사 시점에 따라서 산불 피해지의 분포 패턴이 달라지고 2차 피해 현상이 진행하는 과정도 지역마다 다르게 나타난다. 이 연구는 산불발생 후 산불피해지의 변화를 분석하는 방법을 제안하는 것이 목적이다. 이 연구에서 제안하는 방법은 시계열 군집 분석을 통해서 비슷한 피해 변화 양상을 보이는 산불 피해지를 구분할 수 있다. 2022년 3월 4일부터 3월 13일까지 산불이 진행한 울진･삼척 지역을 대상으로 산불 피해지를 분석하였다. 9개의 군집으로 분류한 결과를 보면, 세 개의 군집이 다양한 산불 피해지 변화 양상을 보여주고 있다. 이 연구에서는 각 군집의 지도화로 공간 분포 특성을 보여준다. 산불 피해지가 집중되어 있는 지역, 시기적으로 특정 시기에 산불이 발생한 지역 등에서 각 군집이 분포하는 것을 확인할 수 있다.

자율운항선박이 상용화되어 연안을 항해하기 위해서는 해상의 장애물을 탐지할 수 있어야 한다. 연안에서 가장 많이 볼 수 있 는 장애물 중의 하나는 양식장의 부표이다. 이에 본 연구에서는 YOLO 알고리즘을 이용하여 해상의 부표를 탐지하고, 카메라 영상의 기하 학적 해석을 통해 선박으로부터 떨어진 부표의 거리와 방위를 계산하여 장애물을 시각화하는 해상물체탐지시스템을 개발하였다. 1,224장 의 양식장 부표 사진으로 해양물체탐지모델을 훈련시킨 결과, 모델의 Precision은 89.0 %, Recall은 95.0 % 그리고 F1-score는 92.0 %이었다. 얻 어진 영상좌표를 이용하여 카메라로부터 떨어진 물체의 거리와 방위를 계산하기 위해 카메라 캘리브레이션을 실시하고 해상물체탐지시 스템의 성능을 검증하기 위해 Experiment A, B를 설계하였다. 해상물체탐지시스템의 성능을 검증한 결과 해상물체탐지시스템이 레이더보 다 근거리 탐지 능력이 뛰어나서 레이더와 더불어 항행보조장비로 사용이 가능할 것으로 판단된다.

본 연구에서는 콘크리트 이미지에서 균열의 크기와 위치를 검출하는 알고리즘을 개발하였다. 균열은 총 9단계로 자 동 검출되었으며, 기본 기능은 매트랩 프로그램의 기능이었다. 5단계와 8단계에서는 균열 검출 정확도를 높이기 위해 사용자 알고리즘을 추가하였으며, 균열 영상과 비균열 영상을 각각 1,000개씩 사용하였다. 균열 이미지에서는 균열이 100% 검출됐지만 품질 측면에서 나쁘지 않은 결과를 제외하더라도 91.8%의 결과가 매우 양호했다. 또한, 균열되지 않은 이미지의 정확도도 94.7%로 매우 양호했다. 이에 본 연구에서 제시한 균열검출 알고리즘은 콘크리트 우물 균열의 위치와 크기를 검출할 수 있을 것으로 기대된다.

자기공명영상장치(magnetic resonance, MR)/양전자 방출 단층촬영 장치(positron emission tomography, PET)는 두 가지 의료장치가 결합한 하이브리드 시스템으로써 MR의 해부학적 정보와 PET의 기능적 정보를 동시에 획득할 수 있는 최신 의료장치이다. 일반적으로 MR/PET의 우수한 팬텀 영상의 질 획득과 평가를 위하여 팬텀 내에 전기전도도가 낮은 액체 물질과 방사성동위원소를 주입하고, UTE MR 펄스 시퀀스를 적용한 감쇠 보정된 PET 영상을 획득한다. 본 연구의 목적은 MR/PET 전용 팬텀에서 물 대체물질로써 NaCl과 NaCl+NiSO4 물질에 따른 UTE MR 펄스 시퀀스를 획득하고, 감쇠 보정된 PET 영상의 질을 평가하고자 한다. 정량적 분석을 위하여 대조도 회복비(contrast recovery, CR), 신호대잡 음비(signal to noise ratio, SNR), 변동 계수(coefficient of variation, COV)를 적용하였다. NaCl 물질 기반 UTE MR 펄스 시퀀스를 적용한 PET 영상의 질이 CR은 1.38배, SNR은 1.18배가 증가하였고, COV는 1.18배 감소함을 확인할 수 있었다. 결론적으로, MR/PET 전용 팬텀을 활용한 신호의 획득 가능성을 확인하였고, UTE MR 펄스 시퀀스는 해부학 적 정보와 PET 영상의 질 향상에 필수적임을 확인할 수 있었다.

본 연구에서는 액체감쇠역전회복(FLAIR) 시퀀스를 대체하였던 방법 중에 비교적 간단하면서 높은 재현성을 나타내었던 고신호 강도제거 원리를 MAGiC에 적용하여 MAGiC-FLAIR와 기존의 고속스핀에코-FLAIR 영상과 비교하여 고신호 강 도제거영상의 유용성과 임상적으로 유의미한 기준을 제시하고자 하였다. 연구방법은 MAGiC 적용 후 MAGiC-FLAIR와 MAGiC-고신호 강도제거 영상을 재구성하여, 기존의 고속스핀에코-FLAIR 영상과 각각 정성적, 정량적 평가를 비교하였 다. 정성평가결과 MAGiC-고신호 강도제거는 MAGiC-FLAIR 보다는 월등히 우수하며, 고속스핀에코-FLAIR와 유사한 결과를 보였고, 정량평가결과 MAGiC-고신호강도제거는 MAGiC-FLAIR보다 백질과 회백질 대조도는 더 우수할 뿐만 아 니라, 뇌척수액의 신호 억제도 우수한 결과를 나타냈다. Synthetic 영상을 통하여 획득한 다양한 대조도 영상 중 FLAIR의 부정확도를 고신호 강도제거기법을 적용한다면 진단적 가치를 개선하여 제공할 수 있을 것이다.

본 연구는 무릎 MRI 검사 시 무릎의 위치가 보어 중심을 기준으로 거리가 멀어짐에 따라 무릎 연골 T2 값의 변화를 평가하고자 하였다. 이를 위해 무릎 질환이 없는 정상인 지원자 10명을 대상으로 하였고 보어 중심을 기준으로 무릎을 오른쪽으로 10 cm 그리고 20 cm 이동시키면서 영상을 획득하였다. 무릎 MRI 영상은 스핀에코기법을 활용하였고 무릎 연골의 T2 값을 계산하기 위해 TE 값은 13.8, 27.6, 41.4, 55.2, 그리고 69 ms로 적용하였다. 신호 측정은 무릎의 내, 외측 관절 융기가 가장 크게 나타난 영상의 대퇴 연골과 경골 연골에서 진행하였다. 연구의 결과, 재구성된 T2 값은 보어 중심에서 멀어질수록 감소하였다 (0 cm: 39.16 ms, 10 cm: 32.59 ms, 20 cm: 26 ms). 또한, 신호 값도 보어 중심에서 그 위치가 멀어질수록 감소하였다 (p<0.00). 특히, 보어 중심에서 20 cm까지 멀어짐에 따라 TE 69 ms의 영상에서 신호 값은 46.2%까지 감소하였다. 무릎 위치와 무릎 연골 T2 값의 상관관계분석 결과는 음의 상관관계 (r=-0.736)가 나타났다 (p<0.00). 결론적으로 MRI 검사에서 무릎 위치는 무릎 연골의 T2 값에 상당한 영향을 미치므로 T2 값의 정확도나 재현성 이 감소할 수 있다. 따라서 무릎 MRI 검사에서 무릎 연골의 정확한 T2 값을 획득하기 위해서는 최대한 보어 중심에서 검사가 이루어져야 한다.

본 연구는 고속스핀에코 기법을 이용한 MRI 검사에서 영상 변수가 전자파 흡수율(SAR)과 온도 증가에 미치는 영향을 평가해 보고자 하였다. 이를 위해 인체 등가 조직 팬텀을 제작하였고 같은 조건에서 재위상화 RF의 FA와 ETL을 증가시키 며 MRI 검사를 시행하였다. SAR는 장비에서 계산된 두부 SAR값을 사용하였고 팬텀의 온도 변화는 양성자 공명 주파수를 이용해 계산하였다. 실험 결과, FA를 60°에서 180°까지 증가시켰을 때 SAR는 약 8배까지 상승하였고 팬텀의 온도 상승의 폭은 약 2.8배(0.21°-0.599°) 증가하였다. 그리고 다중 회귀 분석 결과, FA는 SAR와 온도 상승의 관계에서 표준화 계수 가 각각 0.935, 0.741로 나타나 높은 상관관계를 보였다. ETL은 15에서 30까지 증가시켰을 때 SAR는 약 2배 증가하였 다. 하지만 팬텀의 온도 상승 폭은 오히려 39.2%(0.53°-0.303°) 감소하였다. 다중 회귀 분석 결과에서도 ETL은 SAR의 관계에서 표준화 계수가 0.741로 양의 상관관계를 보였지만 온도 상승의 경우 표준화 계수가 –0.482로 나타나 음의 상관 관계가 있었다. 이는 ETL이 15에서 30까지 증가함에 따라 검사 시간이 약 43% 짧아져 전자파의 노출 시간이 감소한 것이 원인이 될 수 있다. 결국, FSE 기법을 이용한 MRI 검사에서는 재위상화 FA는 최소화하고 기준 SAR 범위 내에서 ETL을 최대로 적용하면 전자파로 인한 온도 상승을 최소화할 수 있어 환자 안전을 증진 시킬 수 있을 것으로 기대한다.

요통을 호소하는 환자에서의 자기공명영상 검사는 다른 영상 진단법에 비해 요추와 주변 조직에 대한 높은 대조도와 해상력, 다양한 영상면의 획득으로 해부학적 구조 파악과 다양한 척추 질환의 진단에 널리 활용되고 있다. 그러나 자기공명 영상 검사는 검사 시간이 길기 때문에 통증으로 협조가 되지 않는 환자들에게서 움직임에 의한 인공물을 유발하는 경우가 많아 검사 시간을 최소화하는 것이 중요하다. 이에 자기공명영상 검사 시간 단축을 위한 다양한 기법들이 개발되어 왔으며, 최근 높은 영상의 질을 유지하면서 검사 시간은 크게 줄이는 K-공간 기반 딥 러닝(K-space based Deep Learning, DL) 기법이 주목받고 있다. 본 연구는 요추 자기공명영상 검사에서 DL 기법의 유용성을 알아보기 위해 본원을 내원하여 척추 질환이 의심되는 환자를 대상으로 DL 기법 적용 전후 시상면 T2 강조 영상과 축상면 T2 강조 영상을 각각 획득하였으며, 신호대잡음비와 대조대잡음비, 영상 획득 시간, 전체적인 영상의 질 및 병변 진단 일치도를 비교 분석하였다. 연구 결과 영상의 질 향상과 검사 시간의 단축뿐만 아니라 빠른 영상 획득으로 움직임이나 호흡에 의한 인공물 또한 감소하는 것을 볼 수 있었다. 따라서 자기공명영상 검사에서 DL 기법 사용 시 진단적 가치가 보다 높은 영상을 제공하는 동시에 환자의 만족도를 높여 임상에서도 유용한 방법이 될 것으로 사료된다.

Artificial intelligence is driving the Fourth Industrial Revolution and is in the spotlight as a general-purpose technology. As the data collection from the battlefield increases rapidly, the need to us artificial intelligence is increasing in the military, but it is still in its early stages. In order to identify maritime targets, Republic of Korea navy acquires images by ISAR(Inverse Synthetic Aperture Radar) of maritime patrol aircraft, and humans make out them. The radar image is displayed by synthesizing signals reflected from the target after radiating radar waves. In addition, day/night and all-weather observations are possible. In this study, an artificial intelligence is used to identify maritime targets based on radar images. Data of radar images of 24 maritime targets in Republic of Korea and North Korea acquired by ISAR were pre-processed, and an artificial intelligence algorithm( ResNet-50) was applied. The accuracy of maritime targets identification showed about 99%. Out of the 81 warship types, 75 types took less than 5 seconds, and 6 types took 15 to 163 seconds.