학부생 연구기회 프로그램에서 패션 사진으로 부터 스타일 관련 특징을 추출하는 Style2Vec에 대한 연구를 진행하였습니다. Word2Vec의 모델을 참고하여 같이 착용한 의상들은 비슷한 특성이 추출되도록 모델을 구성하였습니다. 그 결과 색감이나 옷의 종류가 비슷한 패션 사진이 서로 가깝게 임베딩됨을 확인할 수 있었습니다.

현대백화점 내부 사진 데이터셋을 이용하여 visual localization 프로젝트를 진행하였습니다. Visual localization은 촬영 위치가 저장되어 있는 DB 이미지들을 이용하여 쿼리 이미지의 촬영 위치가 어디인지 찾아내는 task입니다. Visual localization은 크게 2가지 단계로 나누어져 있습니다. 첫번째 단계는 이미지의 Global descriptor를 추출하여 쿼리 이미지와 비슷한 DB 이미지를 고르는 단계로, NetVLAD나 APGeM등의 알려져 있는 모델을 이용하였습니다. 두번째 단계는 두 이미

‘창의적통합설계’라는 과목에서 팀원들과 삼성에서 개발하는 nnstreamer의 live profiler를 개발하는 프로젝트를 진행하였습니다. Neural Network pipeline 각 component의 CPU usage, Processing time, buffer rate를 추적할 수 있고 그것을 그래프나 차트로 보기 쉽게 구현하였습니다. 그 결과 회사 담당자분과 교수님께서 모두 만족하실만한 결과를 낼 수 있었습니다.

ML을 이용하여 SQL의 결과의 레코드 수를 예측하는 cardinality estimation에 대한 연구를 진행하였습니다. 쿼리 최적화에 매우 중요한 부분을 차지하는 cardinality를 ML을 이용하여 좀 더 정교하게 예측하는 과제였습니다. 여러가지 논문을 살펴보며 MLP, Naru등의 여러가지 Neural Network를 실험해보았습니다. 그 결과 쿼리 최적화에 기본적으로 사용하는 cardinality estimation보다 좀 더 정확한 예측을 할 수 있었습니다.

‘소프트웨어 개발의 원리와 실제’라는 수업에서 팀을 구성해서 자신만의 웹서비스를 만들어보는 프로젝트를 진행 한 적이 있습니다. 웹디자인, 서버 데이터베이스 구성을 처음부터 계획하였으며 ML등의 기능도 추가하였습니다. 프론트엔드 프레임워크는 React, 백엔드 프레임워크는 Django를 사용했습니다. Azure cloud와 nginx를 시용하여 잠시나마 웹서비스를 운영해보았습니다. 팀원들과 원활하게 소통하며 협력하였고 만족할만한 결과를 얻을 수 있었습니다.