[연구 주제 및 방향]
- 저작권 침해(copyright infringement) 문제에서 출발하여, 단일 클래스 이미지 간 유사도 예측 및 설명 가능성(XAI)을 연구
- Python 기반으로 TensorFlow, PyTorch 활용, Siamese Network (SimSiam 구조) 설계 및 학습
- Explainable AI 기법을 적용하여 딥러닝 모델의 시각적 설명 및 해석 가능성 탐구
[모델 및 구조 구현]
- SimSiam 네트워크를 기반으로 embedding 추출 및 Top-1 retrieval 구조 구현
- Grad-CAM / Grad-CAM++을 embedding 네트워크에 맞게 수정, factual·counterfactual heatmap 생성
- Generic Feature Bank (GFB)를 도입하여 일반적 특징 제거 및 patch-level similarity 계산 방식 제안
[프레임워크 개발]
- 연구 과정을 통합한 프레임워크 Rabbit1 개발
- 유사도 계산 모듈, GFB 필터링, Grad-CAM 시각화 기능을 포함한 end-to-end 파이프라인 구현
- cosine similarity 기반의 검색 및 설명 시스템 실험 수행
[성과 및 확장]
- 딥러닝 기반 이미지 유사도 연구에서 XAI 기반 시각화 및 해석 가능성 강화 달성
- 현재 IEEE 양식 논문 집필 중, 학회 투고 예정
성과
- 전문성: 머신러닝/딥러닝, Siamese Network, XAI, 시각화 등 첨단 기술 활용 경험
- 문제 해결 능력: 저작권 문제에서 출발하여 explainable similarity 프레임워크로 발전
- 기술 역량: Python, PyTorch, TensorFlow 기반 모델링 및 시각화 구현 경험
- 연구 성과: end-to-end 프레임워크 구축 및 논문 집필·투고 진행 중
더보기