국방 객체 탐지를 위한 Few-shot Object Detection(FSOD) 모델 성능의 비교
Comparative analysis on few-shot models performance for improving object detection in the military Domain
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
국방 분야는 데이터 보안성과 수집 제한으로 인해 대규모 학습 기반 객체 탐지 기술에 어려움이 따른다. 본 연구는 이러한 한계를 극복하기 위한 대안으로 Few-shot Object Detection(FSOD) 기법이 국방 데이터에 적용 가능한지 여부를 실험적으로 검증하고자 하였다. 이를 위해 군용 차량 이미지 데이터셋을 활용하여 YOLO, DETR, GLIP, CD-ViTO 모델에 대해 1-shot, 5-shot, 10-shot 조건에서 미세 조정(fine-tuning)을 수행하고 성능을 비교하였다. 또한 국방 분야에서의 CD-ViTO 모델의 성능을 기존 Cross-Domain FSOD 연구에서 사용된 여타 데이터셋 상에서의 성능과 수치적으로 비교하였다. 그 결과, CD-ViTO는 국방 데이터셋에서도 우수한 성능을 보여주었으며, 이를 통해 국방 도메인 역시 FSOD 적용이 가능한 영역임을 실증적으로 입증하였다.
Abstract
The application of Object Detection (OD) techniques in the military and defense domain is often restricted by stringent security requirements and limited data availability. To overcome these challenges, the present study investigates the potential of Few-Shot Object Detection (FSOD) for military applications. A military vehicle image dataset, composed of real-world defense imagery, was constructed for this purpose. Four representative object detection models—YOLO, DETR, GLIP, and CD-ViTO—were fine-tuned under 1-shot, 5-shot, and 10-shot conditions. The model performance was evaluated using mean Average Precision(mAP). Notably, the CD-ViTO model's cross-domain generalization capability was further examined by comparing its performance on this military dataset against public benchmarks previously used in FSOD studies. Experimental results demonstrate that CD-ViTO achieved superior mAP scores, highlighting the viability of FSOD for efficient and accurate object detection in military and defense applications.