DINOv3와 ConvNext를 활용한 고정밀 화살표 탐지 모델 개발 사례

요약

최근 한 개발자가 진행한 화살 탐지 모델 실험에서 DINOv3 기반의 ConvNext가 가장 우수한 성능을 기록했습니다. 학습 데이터는 블렌더로 렌더링한 4만 개의 장면과 직접 라벨링한 8천 개의 실제 이미지를 포함하며, 총 100만 개의 샘플로 모델을 훈련했습니다. 실험 결과 해당 모델은 테스트 데이터셋에서 F1 점수 96.6%를 달성했으며, 전체 이미지 정확도는 80.5%를 기록했습니다. 이 프로세스는 화살의 대상과 점수 구역을 식별하는 등록(registration) 단계와, 크롭된 이미지를 입력받아 결과를 생성하는 탐지 단계로 구성됩니다. 기존 ResNet이나 ViT 모델들과 비교했을 때, DINOv3를 사전 학습한 ConvNext가 화살 탐지 작업에 가장 적합한 것으로 나타났습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.