8만 개 파라미터로 번호판 문자를 찾는 초경량 MicroCharNet

MicroCharNet은 C2f 중심의 작은 백본에 좌표 주의집중을 넣어 번호판 안의 작은 문자의 위치 정보를 보존하는 초경량 검출기다. C3k2 기반 넥이 여러 수준의 특징을 합치고, 단일 수준 앵커 프리 헤드가 문자를 바로 예측한다.

UFPR-ALPR의 완전 주석 이미지 4,500장과 문자 3만 개 이상을 사용했다. 학습은 100에폭, 배치 16, MuSGD 조건이며 RTX 4090에서 수행됐다. 논문의 비교는 잘라낸 번호판 이미지에 대한 문자 검출로, 도로 장면 전체에서 번호판을 먼저 찾는 단계는 평가 범위 밖이다.

8만 개 파라미터로 번호판 문자를 찾는 초경량 MicroCharNet 논문의 Figure 2 방법·결과 도표 — Figure 2. Fig. 2: Overall architecture of MicroCharNet, consisting of a lightweight C2f-based backbone, CoordAtt module, C3k2-based neck, and single-level anchor- free detection head. 출처: arXiv:2607.11830

최종 모델은 82.5K 파라미터와 0.096 GFLOPs를 사용하면서 최근 YOLO 계열 비교 모델들과 경쟁 가능한 검출 정확도를 냈다. 논문은 mAP@50뿐 아니라 더 엄격한 mAP@50-95와 하드웨어 지연도 함께 제시해, 정확도 하나만으로 초경량성을 주장하지 않았다. 0.08M 규모라는 수치는 백본부터 헤드까지 합친 모델 기준이다.

입력 크기	mAP@50	mAP@50-95	GFLOPs	CPU 지연
96	0.83	0.50	0.054	0.903 ms
128	0.85	0.51	0.096	1.023 ms
160	0.86	0.53	0.149	1.665 ms

자료: STORIUM 정리.

이 구조는 차량 출입·주차 단말처럼 메모리와 전력이 제한된 장치에서 번호판 문자를 실시간으로 분리하는 용도에 맞는다. 단일 검출 헤드의 효율은 분명하지만 국가별 글자 체계나 복잡한 배경까지 자동으로 해결한다는 결과는 아니다. 다른 데이터셋으로의 전이 성능도 별도 확인이 필요하다.

이 수치는 arXiv:2607.11830 공개본의 잘라낸 번호판 문자 검출 실험에 한정된다. 흐림·가림·극단 조명, 다른 문자 체계와 종단간 ALPR에서는 별도 검증이 필요하다. 연구진이 제시한 핵심은 MicroCharNet은 C2f 블록 중심의 작은 백본에 좌표 주의집중 모듈을 넣어 문자 위치 정보를 보존한다. 범용 탐지기를 축소하는 대신 번호판 내부의 작고 규칙적인 문자라는 문제 구조에 계산량을 집중한 설계다.