Feature Prompt-Based Zero-Shot Building Number Plate Detection Using Pre-trained Object Detection Models

최근 공간 객체 탐지에 다양한 이산 레이블 지도 학습 기반의 AI 모델들을 적용하고 있다. 이러한 모델들은 사전학습 모델이 제공되지만 학습하지 않은 객체는 탐지가 불가능해 새로운 객체 유형마다 전용으로 학습해야 하는 한계점이 있다. 제로샷 객체 탐지가 가능한 모델을 적용한다면 모델의 추가 학습이 필요하지 않아 학습용 데이터셋이 희소한 건물번호판 탐지에 활용할 수 있다. 사전학습 Grounding DINO는 제로샷 객체 탐지에서 높은 정확도를 보이는 모델이며 텍스트 프롬프트를 입력으로 주어 탐지가 가능하다. 텍스트 프롬프트의 구성은 모델의 탐지 성능에 큰 영향을 미치며 객체의 색상, 형태와 같은 특징 정보가 중요한 역할을 한다. 본 연구에서는 주소정보시설규칙과 사전학습 Grounding DINO의 학습 데이터셋을 참조해 건물번호판 탐지를 위한 특징 프롬프트를 정의하였다. 스마트폰 촬영, 구글 스트리트뷰, 카카오 로드뷰, 웹 크롤링으로 수집한 평가용 데이터셋에 대해 평가지표인 Recall, Precision, F1 Score로 탐지 정확도를 측정했다. 주소정보시설규칙을 기반으로 건물번호판의 색상과 형태를 반영한 특징 프롬프트를 사용하였을 때 일반적인 프롬프트보다 탐지 성능이 개선되었다.