English | 한국어
AI Vision / 책임연구원 (2023.04 - Present)
- AI 이미지 팀 소속으로 분류, 객체 탐지, OCR 등 다양한 컴퓨터 비전 모델 개발 담당
- 현대카드, 현대커머셜 등 주요 금융권 프로젝트의 PM(Project Manager) 및 기술 설계 주도
- 보안망(RHEL8, Rootless Docker) 환경 내 딥러닝 인프라 구축 및 MLOps 파이프라인 최적화
기간: 24.08 ~ 25.12
.png)
|
.png)
|
.png)
|
.png)
|
Project Details
- Objective: 가맹점 등록 시 위조/중복 이미지를 실시간 탐지하여 금융 리스크 방지
- Key Achievements:
- 사전 차단(Pre-Registration) 체계 구축: 사고 발생 후 역추적하던 사후 인지 방식에서 접수 단계 즉시 차단 방식으로 패러다임 전환
- 딥러닝 기반 이미지 포렌식: EfficientNet 모델을 고도화하여 저화질 이미지 내 재촬영 흔적인 모아레(Moiré) 패턴을 탐지, 도용 적중률 93% 달성
- 고속 대용량 검색 엔진: EfficientNet-B0 Embedding과 Meta FAISS를 결합하여 일 4,000건 이상의 요청을 처리하는 벡터 유사도 검색 시스템 구축
- AI 전수 조사 및 효율화: 심사 사각지대(Blind Spot)를 제거하고, Human-in-the-loop 체계를 통해 6만 장의 데이터 확보 및 라벨링 소요 시간 50% 단축
- 설명 가능한 AI(XAI) 및 데이터화: 이미지를 Vector Embedding화하여 정량적 통과 기준을 마련하고, 기존에 부재했던 심사 기록을 디지털 데이터 자산으로 확보
- 보안 인프라 수립: 금융권 보안 규정을 준수하기 위해 Rootless Docker 환경을 구축하고 엄격한 권한 제어 프로세스 정립
기간: 23.11 ~ 25.12
Project Details
- Objective: 자동차 부품 단조 라인의 에너지 효율성 개선을 위한 전력 소비량 예측 및 절감 솔루션을 개발합니다.
- Key Achievements:
- 단조 라인에서 발생하는 시계열 데이터(전력, 온도 등) 수집 및 분석
- Time-Series Forecasting 모델을 활용하여 미래 전력 소비량 예측
- 예측 모델을 기반으로 에너지 비효율 구간을 탐지하고 절감 방안 제시
- 공장 환경의 적제된 데이터를 사용 가능하도록 정리 및 누락 처리
- AutoML 도입 활용하여 모델 개발 효율을 높이고 최적화된 예측 환경 구축
- 성과: MAPE 1.41% 수준의 정밀한 전력 소비량 예측 모델 개발 완료
기간: 23.11 ~ 24.08
Project Details
- Objective: 상용차 사진과 입력 정보의 일치 여부를 검증하여 대출 심사 프로세스 자동화
- Key Achievements:
- 멀티뷰 가중치 앙상블: 전/후/좌/우 4개 측면 이미지에 대한 Weighted Ensemble 로직 구현 (측면 가중치 0.45 적용)
- End-to-End 파이프라인: YOLOv7(탐지), Swin Transformer V2(분류), PaddleOCR(인식) 모델 통합
- 성능: 단일 뷰 정확도 93%, 실운영 환경 종합 정확도 89% 달성
- 폐쇄망 구축: 외부 인터넷이 차단된 RHEL8 보안망 내 환경 구축 및 Trivy 컨테이너 취약점 점검 수행
기간: 23.07 ~ 23.11
Project Details
- Objective: 매장 내 과자 진열대의 상품을 탐지하고 분류합니다.
- Key Achievements:
- 매장 내 과자 진열대 이미지 데이터 수집
- DINO (detrex library) 모델을 활용하여 진열대 내 과자 객체 탐지
- ViT (timm library) 모델을 통해 탐지된 객체의 이미지를 분류하여 상품명 식별
- 위치 탐지 96.01 mAP@50 을 보였으나 카테고리 수로 인한 성능 하락을 확인
- 1369 class 13% > 322 class 71.1%
- 차후 swin tranformer 를 사용 시 1369 class 92% 까지 확장
- 입력되는 신규 과자 대비 데이터 수집 및 라벨링 비용을 감안하여 해당 프로젝트는 중단
기간: 23.04 ~ 23.07
Project Details
- Objective: 매장 내 상품 가격표를 촬영하여 정보를 정확하게 추출합니다.
- Key Achievements:
- 매장 내 가격표 이미지 데이터 수집
- **Azure Computer Vision (Object Detection)**을 활용하여 이미지 내 가격표 위치 탐지
- Azure OCR을 통해 가격표 내 텍스트 정보 추출
AI Researcher (2020.07 - 2021.11)
- 스타트업 초기 멤버로서 프로젝트 기획, 외부 과제 조율 및 핵심 개발 리드
- 스마트 팩토리, 에너지 관리, 의료 데이터 분석 등 다양한 도메인의 AI 모델 연구
기간: 20.09 ~ 20.12
Project Details
- Objective: 전기차 충전소에 진입하는 차량의 종류와 번호판을 자동으로 인식합니다.
- Key Achievements:
- Raspberry Pi 4를 이용한 이미지 데이터 수집
- Image Augmentation 기법을 활용한 전기차 번호판 데이터 생성
- YOLO v4, v5 기반의 차량 번호판 탐지 모델 개발
- Bidirectional LSTM 기반의 OCR 모델 개발
- Link: https://github.com/forallx94/Electronic-Car-Generate
기간: 21.02 ~ 21.06
Project Details
- Objective: 골프장에 드론으로 촬영한 이미지를 분석하여 잔디의 상태 및 질병 유무를 탐지합니다.
- Key Achievements:
- 드론 촬영 영상에서 이미지를 프레임 단위로 추출
- EfficientNet B5 모델을 활용한 잔디 질병 탐지
- 분석 결과를 MongoDB에 업로드하여 관리
Project Details
- Objective: 암 임상시험 데이터를 활용하여 신규 환자에게 적합한 임상시험 정보를 제공합니다.
- Key Achievements:
- 임상시험 데이터 전처리 및 정형화
- TF-IDF, Word2Vec, BERT를 이용한 텍스트 임베딩
- HDBSCAN, Hierarchical Clustering을 활용한 네트워크 분석 및 군집화
- 핵심 키워드 추출 알고리즘 개발
기간: 21.06 ~ 21.11
Project Details
- Objective: 공장 설비의 IoT 데이터를 활용하여 이상 징후를 사전에 예측하는 비지도학습 모델을 개발합니다.
- Key Achievements:
- MySQL에서 공장 압축기, 정류기 데이터 호출
- 시계열 데이터 전처리 및 특징 공학
- Machine Learning, Prophet, Autoencoder를 활용한 비지도 이상 탐지 모델 개발
- Link: https://github.com/forallx94/Sequential_Anomaly_detecion
Project Details
- Objective: 주택 및 건물의 온도, 습도, 전기 사용량, 온수 사용량 등 에너지 소비를 예측합니다.
- Key Achievements:
- 주택 및 건물 에너지 소비 데이터 전처리
- Prophet, Residual LSTM을 활용한 에너지 소비량 예측 모델 개발
- 예측 결과를 MongoDB에 업로드
AI Researcher (2020.03 - 2020.06)
- 뇌 MRI 기반 뇌종양 탐지 모델 성능 향상을 위한 데이터 전처리 및 분석 보고서 작성
Project Details
- Key Achievements:
- 뇌 MRI 데이터에 Z-score 정규화, White Stripe 등 6가지 전처리 기법 적용 및 성능 비교 분석
- Insight:
- 다양한 전처리 기법에도 성능 개선이 미미하여 원본 데이터와 비교 분석을 수행했습니다.
- 분석 결과, 전달받은 데이터가 원본이 아니며 이미 전처리가 일부 적용된 상태임을 발견했습니다.
- 이 경험을 통해 데이터의 원본성과 전처리 과정의 중요성을 파악하고, 회사의 데이터 핸들링 프로세스를 개선하는 데 기여했습니다.