- 본 사업에서 구축한 데이터셋들 중 다음과 같은 태스크들을 위한 데이터셋들을 대상으로 각 태스크를 위한 모형들을 훈련, 평가하여 데이터의 품질을 검증: 1. object detection 2. face detection 3. video classification

- 제한된 컴퓨팅 환경에서 TPS 목표값을 달성하기 위해 real-time semantic segmentation 관련 방법론들을 활용하여 salient object detection을 연구 - state-of-the-art detectors에 근접하는 MAE를 달성 (0.039 vs 0.042) - state-of-the-art detectors 대비 GPU에서의 수행시간을 약 80% 단축

- anchor-based detector의 grid sensitivity 문제를 개선하는데 적절한 test time augmentation을 활용하여 AP를 약 3% 향상 - OpenVINO를 활용한 모델 최적화를 통해서 CPU에서의 수행시간을 약 60% 단축 - Inference Engine API를 활용하여 객체 검출 모형을 C++에서 추론

- 플라스틱 사출성형의 센서 데이터를 대상으로 outlier detection 접근법을 통해 불량품들을 검출하는 기법 연구 - 주성분 분석으로 data imbalance를 효율적으로 개선하고 인공신경망으로 효과적인 분류가 가능한 outlier detection 모형을 제안

- 과거 관람객 수 정보로부터 전시장의 냉난방 계획을 개선하는 기법 연구 - 과거 관람객 수 정보를 시계열 데이터로 접근하여 향후 관람객 수를 예측하는 RNN 모형을 제안 - 향후 관람객 수 예측 값을 기존의 냉난방 계획 수립 시스템에 추가적으로 전달하여 냉난방 계획의 정확도를 향상