진경원 · Vision AI

프로젝트 7건

주요 프로젝트

각 프로젝트 페이지에 문제 정의 → 접근 → 결과 순의 기록을 정리해 두었습니다.

01 영상보안 솔루션 촬영기기 탐지 오탐 16× 감소 · 7.2 ms 운영 중 · 2023 — 02 집중 스프린트 — 모델 라인 총점검 webcam mAP50 0.834 → 0.955 2026.07 03 X-ray 위해물품 탐지 73 class · 약 28만 장 진행 중 04 카지노 영상분석 폐쇄망 PoC → 스마트테이블 진행 중 05 MATE — 데이터 엔진 워크벤치 예외 16% → 약 1% · 사람 확인 약 4% 진행 중 06 비정사각 입력으로 포즈 검출기 경량화 CPU 연산 −40% · AP50 −0.0065 2026.09 07 Center — AI 코딩 에이전트 지휘 보드 세션 10여 개를 한 화면에서 사용 중 · 2026.08 —

일하는 방식

반복해서 쓰는 판단 기준 세 가지

3년간 상용 탐지 모델을 운영하면서 굳어진 순서입니다.

01 — 진단

데이터를 더 붓기 전에 오탐 사례부터 봅니다

원인을 두고 데이터만 늘리면 같은 오탐이 되돌아옵니다. 속도가 안 나오면 레이어 단위로 연산 이동을 추적합니다.

손에 든 사각형 물체를 전부 스마트폰으로 오탐 → 라벨 안에 손 영역이 포함된 것이 원인. 렌즈 기준 상단만 라벨링하는 방식으로 전환.

02 — 검증

데이터 누수를 세 프로젝트에서 찾았습니다

검증 수치와 실사용 성능이 어긋날 때는 모델이 아니라 평가 체계를 먼저 봅니다. 세 번 모두 점수가 유독 좋아서 의심한 것이 출발점이었습니다.

태블릿 검증셋의 random split 누수 · X-ray 9-view 교차 혼입 · 학습–벤치 데이터 유출(콘텐츠 해시로 적발).

03 — 배포

정확도와 배포 제약을 같은 표에 올립니다

정확도 1위 모델도 엣지에서 안 돌면 쓸 수 없어서, 런타임 호환성과 추론 비용을 함께 놓고 고릅니다.

DEIM은 미탐율 최저(1.44%)였지만 RKNN 미지원이 확인돼 보류. 대신 C2PSA→C3K2 교체로 양자화 비호환까지 함께 해소.

판정기 선택

VLM 대신 경량 분류기를 고른 이유

태블릿 오탐을 걸러낼 2차 판정기 후보 3종을 비교했던 실험입니다. 오탐이 곧 비용인 시스템이라 평균 정확도가 아니라 운용 오탐률에서의 실탐지율을 기준으로 놓고 봤습니다.

판정기 후보 3종 비교

태블릿 오탐 2차 검증기 후보 · AUROC

판정기	AUROC	비고
경량 전용 분류기	0.99	채택 · VLM 대비 추론 70배
Qwen2.5-VL · ‘렌즈면’ 프롬프트	0.762	프롬프트 재정의 후
Qwen2.5-VL · ‘기기 여부’ 프롬프트	0.504	초기 프롬프트

AUROC가 가장 높고 VLM 대비 추론도 70배 빠른 경량 전용 분류기를 채택했습니다.

실제 채택 결과

기하 프라이어·임베딩·경량 분류기 3안을 비교해 경량 분류기를 채택. 평가셋의 장면 수준 근중복 유출을 자체 감사로 적발하고 클린 스플릿으로 재측정한 뒤 라이브 데모 시스템에 배포했습니다. 운용점에서 모니터 오인식 80% 제거, 실탐지 95% 유지(AUROC 0.978).

VLM은 왜 탈락했나

Qwen2.5-VL 제로샷 판정에서 프롬프트를 ‘기기 여부’에서 ‘촬영 가능 렌즈면’으로 재정의하자 AUROC가 0.504 → 0.762로 반전했습니다. 다만 대규모 자동검수에는 추론이 70배 빠르고 정확도도 높은(AUROC 0.99 vs 0.762) 경량 전용 분류기가 적합하다는 결론.

실배포 형상 전수 검증

INT8 양자화 + 2단 추론 형상 그대로 전수 검증 — Precision 0.999 / Recall 0.817, 오탐률 2.01%.

접근 방법

수 픽셀짜리 객체를 찾는 방법

광각 카메라 원거리에서는 촬영기기가 수 픽셀 크기로 축소돼 원본 추론만으로는 미탐이 납니다. 인물을 먼저 찾고 그 영역만 잘라 다시 추론하는 2단계 구조로 해결했습니다.

1단계 · 원본 추론인물은 잡히지만 손에 든 기기는 수 픽셀이라 검출되지 않습니다.

2단계 · crop 재추론인물 bbox에 마진을 주고 잘라 640으로 다시 넣으면 같은 기기가 90 px급으로 커집니다.

거리별 mAP50 — 12기종 · 거리별 수집 데이터로 재학습

2026.02 ~ 03 광각(AEW) 장거리 탐지 개선

기존 모델 개선 모델

이력 15건

프로젝트 이력

(주)시선에이아이 AI Lab · 2022.03 ~ 재직 중

기술 스택

기술

탐지

YOLO v8 ~ v26
RT-DETR, DEIM, RF-DETR
YOLO-Pose / Keypoint
Grounding DINO, SAM2
Python, PyTorch

경량화 · 배포

OpenVINO INT8 (NNCF)
RKNN (Rockchip 엣지)
ONNX
모델 구조 수정 (layer pruning)
Docker, Linux

데이터

대규모 수집·검수 설계
Auto Labeling 파이프라인
Grounded-SAM2
크롤링 자동화
합성 데이터 설계

논문 2 · 자격 1

논문 · 자격

SCI · IEEE

Assessing Visual Fatigue of Welding Mask Wearers Through Infrared Imaging-Based Ocular Feature Analysis 적외선 동공 영상 기반 시각 피로도 정량 평가

SCI · MDPI

Improving the Performance of Frequently Used Korean Handwritten Character Verification through Multimodal Fusion ResNet 기반 Siamese Network 필적 유사도 학습

자격

정보처리기사 2023.09 · 한국산업인력공단