"전통적인 영상처리 및 컴퓨터비전 지식"
학부 시절 ICT 공모전에 참가하여 라즈베리 파이를 이용한 증강현실 RC카 프로젝트를 진행했습니다. 주로 OpenCV를 이용한 객체인식과 주행평가 로직 개발을 담당했습니다.좋은점 1
카메라 모듈을 포함한 하드웨어를 다루며 객체인식을 개발하는 것이 처음이었기 때문에 익숙하지 않았습니다. 이를 극복하기 위해 최대한 많은 시간을 들여 하드웨어를 이해하고 오픈소스를 분석하여 기술을 파악했습니다. Hough transform과 Contour를 이용한 차선, 신호등 및 표지판 객체인식을 구현하고 센서값을 매핑하여 주행평가 로직을 구현했습니다.아쉬운점 1
공모전에서 동상, 학술대회에서 은상을 받으며 프로젝트를 마쳤습니다. 카메라 입력 영상의 전처리 과정부터 객체인식의 전통적인 이론을 이해한 덕분에 딥러닝 기반 개발에서 더 빠른 이해력과 유연한 구현능력을 갖출 수 있었습니다.아쉬운점 2
"성능향상을 위한 AI 모델링 기술"
영상인식 SW 로직을 구현하는 능력도 중요하지만, 딥러닝을 이해하고 AI 모델 성능 자체를 개선하는 능력도 중요하다고 생각했습니다. AI 모델링 능력을 키우기 위해 실시간 랭킹보드에서 모델 순위를 경쟁하는 대회에 참가했습니다.
불균형라벨과 노이즈가 섞인 쇼핑 리뷰 이미지와 카테고리 텍스트 데이터셋을 이용한 분류과제를 수행했습니다. 불완전한 데이터셋을 알고리즘적 접근으로만 해결하는 조건이 어려웠으므로 다양한 논문을 읽고 필요한 기술을 조합하며 단계적으로 문제를 해결하기로 계획했습니다.
Over sampling으로 데이터 불균형을 완화하고, Label smoothing loss 계산으로 노이즈 데이터 일반화를 억제했습니다. 이후 완전히 정제된 데이터셋 구축을 목적으로 Self-Training을 활용하고, Ensemble 기법으로 성능을 끌어올렸습니다.
베이스라인 F1-score를 0.46에서 0.87로 개선한 모델을 만들며 대회에서 2위를 차지했고, 딥러닝 기반 인식 모델의 성능향상 전략에 대한 기술적 역량을 습득했습니다.아쉬운점 3
좋은점 1 관련된 활동을 제시한 점이 좋습니다.
아쉬운점 1 구구절절한 내용은 글자수만 낭비합니다. 처음에는 익숙하지 않았다, 최대한 많은 시간을 들였다 등 구구절절 설명하기 보다는 지식, 스킬 위주로 내용을 정리하면 더 많은 경험을 제시할 수 있습니다.
아쉬운점 2 더 빠른 이해력, 유연한 구현능력과 같이 추상적인 표현보다는 이 경험을 통해 쌓은 직접적인 지식을 제시하는 것이 좋겠습니다.
아쉬운점 3 더 빠른 이해력, 유연한 구현능력과 같이 추상적인 표현보다는 이 경험을 통해 쌓은 직접적인 지식을 제시하는 것이 좋겠습니다.