Performance Analysis of Lightweight Camouflaged Object Detection Models Based on Multispectral Images

현대 전장 환경에서 위장 객체 탐지는 군사 작전의 핵심 기술로 활용되고 있으며, 기존 RGB 이미지 기반 탐지의 한계를 극복하기 위해 다중스펙트럼 이미지 활용이 주목받고 있다. 또한 드론 공격 등의 확산으로 인해 실시간 위장 객체 탐지의 중요성이 더욱 높아지고 있다. 본 연구는 실시간 위장 객체 탐지에 사용 가능한 모델들의 성능을 비교 분석하고, 개선된 경량화 모델을 제안한다. 다중스펙트럼 이미지 데이터셋을 활용하여 CNN 계열, YOLO 계열, Transformer 계열 등 기존 딥러닝 모델과 제안한 경량화 모델을 비교 평가한다. 제안한 경량화 모델은 기존 모델 대비 100-1000배 이상의 매개변수 감소를 달성하면서도 높은 수준의 정확도와 F1-Score를 기록하였다. 특히 11.6 FPS의 처리 속도와 86.5ms의 빠른 추론 시간, 0.026MB의 극소형 모델 크기를 달성하여 실시간 인식 환경에서의 적용 가능성을 입증하고 에지 컴퓨팅 환경에서의 구현 가능성을 제시한다.