The unauthorised collection of data, including personal data provided by users on this service, without the consent of each data subject is prohibited. Please be advised that the collection of publicly available data without permission using technical devices such as crawling may result in criminal punishment under the Personal Information Protection Act.
AI 분야의 전산학 박사로 개발은 물론이고 테크니컬 리더로서 다년 간의 경험이 있는 의욕적이고 열정적인 머신 러닝 전문가입니다.
Career
Posts
AI Career Summary
오세창님은 AI 분야의 전산학 박사로, 머신 러닝 및 컴퓨터 비전 분야에서 20년 이상의 경험을 보유한 전문가입니다. 현재 솔트룩스의 이사로 재직하며 다양한 알고리즘 성능 분석 및 개선 작업에 책임지고 있으며, 정확도 향상 및 오류 감소를 이끌어낸 성과를 바탕으로 전문성을 인정받고 있습니다.
* Accountable for performance analysis and improvement of algorithms in many projects like computer vision, OCR, object detection/segmentation, face recognition, and sign language recognition.
* Research and implement appropriate deep learning algorithms and tools and develop applications according to requirements.
- Successfully reduced errors in the defect detection dataset resulting from inaccurate annotations by 75%+ using a corrective learning process that repeatedly checks prediction results and corrects inaccurate annotations.
- Reduced about 50% of recognition error compared to the SOTA models for sign language recognition by devising an effective model design using 1D convolution. Model training was done in minutes without a GPU.
* Designed a way to prevent forks and dramatically speed up the transaction process by defining nodes that monitor failures and hacks using AI technology in a blockchain system.
- Functionality design that detects potential forks and system failures using machine learning techniques.
- Functionality design that recovers blockchains selectively and automatically.
* Participated in research activities associated with computer vision including face recognition, and object detection.
- Successfully reduced 70% of face recognition errors using clustering algorithms to prevent an unregistered face from being classified as the closest registered face.
- Used a face verification model to distinguish similar faces well, and the embedding vector obtained after the convolutional layer was used for face registration.
- 스마트폰으로 촬영한 차량 사진에서 번호판 영역을 추출하고, 내용을 인식하여 표시
- 최신 scene text recognition 기술 적용하여 문자 인식
- 98% 이상의 최종 처리율 확보
프로젝트
차체 손상 감지 기술
2021년 2월 - 2021년 4월 · 3개월
- 목표는 자동차 이미지에서 손상을 찾고 각 손상을 80% 이상의 정확도로 균열, 찌그러짐 또는 긁힘으로 분류.
- 모듈은 머신 러닝, 딥 러닝, 컴퓨터 비전 기술을 기반으로 개발되었으며 Python으로 구현. 또한 Docker와 Git을 사용.
- 데이터셋 수정 및 재학습 과정을 5회 반복한 후 82%의 정확도를 달성.
프로젝트
웃는 얼굴 감지
2020년 11월 - 2020년 12월 · 2개월
- 사용자가 웃고 있는지 판단하는 기능이 있는 앱을 개발하는 것이 목표. 마스크를 착용 시에는 대신 윙크하는지 여부를 판별.
- 이 세 가지 모듈은 Docker에 포장되어 있으며 Flask로 구현된 REST API 세트에 의해 제어. 모듈은 머신 러닝, 딥 러닝, 컴퓨터 비전 기술을 기반으로 개발되었으며 Python으로 구현. 또한 Pytorch와 Flask를 사용.
- 앱에서 실시간으로 수집한 데이터 세트로 시스템을 테스트한 결과 정확도는 95% 이상, 속도는 20FPS 이상.
프로젝트
수어 인식을 위한 딥러닝 기술
2020년 9월 - 2020년 12월 · 4개월
- 웹캠으로 얻은 동영상에서 실시간으로 사람의 동작을 인식해 단어 단위로 수어를 인식하여 자연어로 구성하여 제공하며, 목표 정확도는 85% 이상.
- 신체의 키포인트를 이용하여 포즈를 임베딩한 후 포즈의 시계열을 모델링하는 1D CNN 모델을 구현.
- 모듈은 머신 러닝, 딥 러닝, 컴퓨터 비전 기술을 기반으로 개발되었으며 Python으로 구현. 또한 Docker와 Flask를 사용.
- 기존의 SOTA 모델에 비해 오류율이 약 50% 감소. 그리고 GPU 없이 수분 만에 훈련 완료.
프로젝트
상품 감지 및 결제 시스템
2020년 3월 - 2020년 9월 · 7개월
- 사내 매장에 무인 판매 시스템을 구축하기 위해 상품을 식별하는 모듈을 개발. 이를 위해서는 사용자가 선택한 상품이 여러 개 겹쳐있어도 한 번에 각 항목을 식별할 수 있는 기술이 필요.
- 모듈은 머신 러닝, 딥 러닝, 컴퓨터 비전 기술을 기반으로 개발되었으며 Python으로 구현. 또한 Docker, Flask 및 Git을 사용.
- 테스트 데이터의 오류율은 약 4%였으며, 그 중 80% 이상을 confidence 분포로 필터링할 수 있었음. 필터링된 오류의 경우 시스템은 사용자에게 항목을 다시 스캔하도록 알림.
Language
영어
상급 (업무상 원활한 의사소통)
이 프로필의 담당자이신가요?
인증을 통해 현재 프로필에 병합하거나 삭제할 수 있습니다. 만약 인증할 수 없는 경우 본인임을 증빙하는 서류 제출 후 프로필 관리 권한을 취득할 수 있습니다.
