윤선

산업 분야: 제조

스킬: python, Linux, OracleDB, 데이터 분석

[AI 활용 위험물 감지 시스템 고도화] > 기간: 2023.03 ~ 진행중 > 역할 - 모델 구동을 위한 환경 구축 - 데이터 라벨링 및 정제 시간 단축을 위한 다양한 로직 개발 - 데이터 분석 및 분석 내용 기반으로 데이터 라벨링 기준 논의 - 객체 판별 모델 개발 및 학습 및 튜닝 작업 진행으로 성능 향상 - 모델 테스트 결과 시각화를 위한 다양한 후처리 로직 개발 및 구현 - 개발한 로직과 객체 감지 모델과의 연동을 통한 자동 처리로 불필요한 수작업 시간 단축 - 모델 산출 결과 분석 내용을 기반으로 데이터 정제 및 라벨링 참여로 성능 향상 > 기술: Python, Pytorch, OpenCV, Ubuntu Linux, Pycharm [공정별 최저 원가 산출 알고리즘 개발 및 유지보수] > 기간: 2022.11~2023.04 > 역할 - 공정별 생산 원가 구조 분석 및 최저 원가 산출 방안 도출 - 다수의 조건 내에서 최적의 값을 찾는 공정별 최적화 로직들 개발 및 구현 - 데이터베이스 연동 작업을 위한 파이프라인 구축 및 쿼리 개발 - 현업의 요구사항에 따른 개발 완료 로직 유지보수 및 관리 > 기술: Python, cx_Oracle, SQL, Ubuntu Linux, VsCode, oracleDB [AI 기반 사람 탐지 관련 신규 프로젝트 PoC 진행] > 기간: 2022.03~2022.07 > 역할 - CCTV 사내망 연결 및 실시간 영상통신 설정 - RTSP를 이용한 실시간 영상을 읽기 위한 파이프라인 구축 - 객체 위치 탐지 모델 설계 및 구현 - 화면 내 감지되는 작업자 인원 수 계산 로직 개발 및 구현 - 영상 화면 내 구역 설정 로직 개발 및 구현 - 사람 영역과 구역 간격을 통한 침입 여부 판단에 따른 알림 로직 개발 및 구현 - 2D 영상의 한계로 발생하는 문제 개선 - 영상 처리 속도 지연 관련 문제 개선 > 기술: Python, Tensorflow, Keras, OpenCV, Pycharm

[딥러닝 기반 잡음 제거 모델 개발] - 내용: 영상 송수신 과정에서 발생하는 예측 불가능한 노이즈는 이미지 손상으로 이어지며 영상 품질 저하를 유도하고 객체 인식률을 저하시킵니다. 저는 석사 연구로 객체 인식 향상을 위한 노이즈 제거에 관한 연구를 진행하였습니다. - 결과: 국제 학술대회에 투고하여 발표하였으며, 해당 학회로부터 SCI 저널 투고를 추천 받았습니다. 또한 관련 연구로 KSII 학회에서 최우수상을 받았습니다. 석사 연구를 위해 모델을 개발한 경험은 다양한 관점에서 코드를 살펴보는 것의 중요성을 느낄 수 있었습니다. - 키워드: AI, DL, CV, Denoising, Restoration [AWS 기반의 딥러닝 플랫폼 제작] - 내용: GUI 기반의 딥러닝 모델을 구성하여 서버로부터 온 모델 실행 결과를 확인할 수 있도록 딥러닝 교육 플랫폼을 제작하였습니다. 딥러닝 모델 구동을 위해서 AWS 서버를 이용하였으며, 수신된 데이터 정보를 딥러닝 엔진 모듈로 연결하여 구동되게끔 구현하였습니다. - 결과: 비록 좋은 성적을 거두지 못했지만 습득한 딥러닝 지식을 코드로 제작함으로써 실전에 사용해보았던 좋은 경험이었으며 다수의 의견을 모아가며 진행되었던 개발 과정에서의 팀워크를 통해 협업하는 방법을 배웠습니다. - 키워드: AI, DL, CV, Classification [ONNX 프로젝트] - 내용: 인공지능 모델 표준인 ONNX의 오퍼레이터와 대표적인 AI 프레임워크들 간의 호환성을 연구하였습니다. 또한 Edge device 들에서의 ONNX 호환성 실험을 통해 무거운 AI 모델의 구동 시간을 단축시키는 ONNX의 효율성을 확인하였습니다. - 결과: ONNX에 대한 조사와 분석을 토대로 ‘ONNX 첫걸음’ 책을 출간하였으며, 창의자율연구 수행우수팀으로 선정되었습니다. 프로젝트를 위하여 스터디한 대표적인 프레임워크 분석 경험은 훗날 해당 언어로 개발을 진행했던 저에게 큰 도움이 되었습니다. - 키워드: AI, DL, ONNX