Effective Few-Shot Learning for Military Vehicles Image Classification Using Prompt-Based Learning

군사 분야의 데이터는 민감성과 보안상의 이유로 인해 대규모 데이터셋 구축에 상당한 어려움이 존재한다. 이런 제약적인 환경을 극복하기 위해, 본 연구에서는 프롬프트 러닝(prompt learning)에 기반한 접근법인 PromptSRC를 퓨샷러닝(Few-shot Learning)에 적용해 제한된 데이터만으로 딥러닝 모델을 효과적으로 학습하는 방법을 제안한다. 본 연구에서는 적은 수의 이 미지만을 학습에 사용할 수 있는 실제 군사 환경을 반영하기 위해, 전차와 전투기의 실제 이미지 데이터셋을 구축한 뒤 적은 수의 이미지만 학습에 사용했다. 또한, 대표적인 거대 사전학습 모델인 CLIP과의 성능을 비교해 프롬프트 러닝 기반 퓨샷 러 닝의 유효성을 검증하였다. 실험 결과, 적은 데이터만 학습에 가용할 수 있는 환경에서 비교적으로 높은 정확도를 나타내는 것을 확인하였고, 이는 군사 분야에서 데이터 제약적인 상황을 극복할 수 있는 유망한 접근법이 될 수 있음을 시사한다.