잡코리아 신입공채

머신러닝엔지니어

2021 상반기 신입 현대엠엔소프트(주)

현대엠엔소프트에 지원한 이유가 무엇인가요? (회사 및 직무에 대한 흥미와 커리어 계획 등을 구체적으로 서술해주세요.) (최소 300자, 최대 500자 입력가능)

"자율주행SW 개발의 주체가 되기 위하여"

현대엠엔소프트는 차량 인포테인먼트 전문 기업으로써 특히 자율주행용 지도솔루션 분야에서 독보전인 기술력으로 업계를 선도하고 있습니다. 영상인식 기반 자율주행 SW 개발자가 되기 위해 현대엠엔소프트의 선진 기술과 인프라를 이어받아 성장하고 싶습니다.

학부 시절 ResNet의 등장소식을 접하면서 앞으로 딥러닝 기반 영상인식이 인간 시각을 대체할 수 있다는 생각이 들었고 자율주행 SW에 흥미를 갖게 됐습니다. 객체 인식, OCR 및 센서 처리 등 자율주행에 필요한 역량을 공부하기 위하여 프로젝트를 수행하며 실전경험을 쌓고 기술을 배웠습니다.

입사 후 객체인식 및 센서처리를 활용한 융합 기술과 더욱 정밀한 인식을 위한 OCR 기술 등 아직 개선의 여지가 남은 기술에 관해 연구하고 싶습니다. 이를 통해 ADAS를 넘어 5단계 자율주행까지 완성할 수 있도록 SW 기술에 대한 성능향상, 고도화작업에 이바지하는 전문가로 거듭나겠습니다.
지원 직무 수행에 필요한 지식과 기술을 습득하기 위해 어떤 노력과 경험을 했는지 구체적으로 작성해주세요. (최소 700자, 최대 1,000자 입력가능)

"전통적인 영상처리 및 컴퓨터비전 지식"

학부 시절 ICT 공모전에 참가하여 라즈베리 파이를 이용한 증강현실 RC카 프로젝트를 진행했습니다. 주로 OpenCV를 이용한 객체인식과 주행평가 로직 개발을 담당했습니다.

카메라 모듈을 포함한 하드웨어를 다루며 객체인식을 개발하는 것이 처음이었기 때문에 익숙하지 않았습니다. 이를 극복하기 위해 최대한 많은 시간을 들여 하드웨어를 이해하고 오픈소스를 분석하여 기술을 파악했습니다. Hough transform과 Contour를 이용한 차선, 신호등 및 표지판 객체인식을 구현하고 센서값을 매핑하여 주행평가 로직을 구현했습니다.

공모전에서 동상, 학술대회에서 은상을 받으며 프로젝트를 마쳤습니다. 카메라 입력 영상의 전처리 과정부터 객체인식의 전통적인 이론을 이해한 덕분에 딥러닝 기반 개발에서 더 빠른 이해력과 유연한 구현능력을 갖출 수 있었습니다.

"성능향상을 위한 AI 모델링 기술"

영상인식 SW 로직을 구현하는 능력도 중요하지만, 딥러닝을 이해하고 AI 모델 성능 자체를 개선하는 능력도 중요하다고 생각했습니다. AI 모델링 능력을 키우기 위해 실시간 랭킹보드에서 모델 순위를 경쟁하는 대회에 참가했습니다.

불균형라벨과 노이즈가 섞인 쇼핑 리뷰 이미지와 카테고리 텍스트 데이터셋을 이용한 분류과제를 수행했습니다. 불완전한 데이터셋을 알고리즘적 접근으로만 해결하는 조건이 어려웠으므로 다양한 논문을 읽고 필요한 기술을 조합하며 단계적으로 문제를 해결하기로 계획했습니다.

Over sampling으로 데이터 불균형을 완화하고, Label smoothing loss 계산으로 노이즈 데이터 일반화를 억제했습니다. 이후 완전히 정제된 데이터셋 구축을 목적으로 Self-Training을 활용하고, Ensemble 기법으로 성능을 끌어올렸습니다.

베이스라인 F1-score를 0.46에서 0.87로 개선한 모델을 만들며 대회에서 2위를 차지했고, 딥러닝 기반 인식 모델의 성능향상 전략에 대한 기술적 역량을 습득했습니다.
직무와 관련하여 수행한 프로젝트 또는 교육 경험 중 하나를 선정하여 자세하게 서술해주세요. (수행 배경과 과정, 본인의 역할, 문제 도출 및 해결 방법, 결과 등) (최소 700자, 최대 1,000자 입력가능)

"차량 번호판 OCR"

① 수행 배경과 과정
석사과정 중 실무경험을 쌓기위해 영상기기 제조 기업에서 프리랜서로 번호판 OCR을 개발했습니다. 프로젝트는 조도나 장소 변화에도 인식가능한 실시간 차량번호판 OCR을 개발하고 저전력 임베디드 보드로 탑재하는 것이 목적이었습니다. OCR로직은 크게 두가지로 나뉘어 번호판 영역에 대한 Localization과 문자에 대한 Recognition으로 구성됐습니다.

② 본인의 역할
문자에 대한 Recognition 개발을 담당했습니다.

③ 문제 도출 및 해결방법
저전력 임베디드 보드의 제한사항으로 인해 전통적인 방식으로 구현된 Localization이 노이즈데이터를 Recognition 모델 입력값으로 제시할 때 성능하락이 발생했습니다. 입력 노이즈를 분석하여 크게 두 가지 유형이 있다는 것을 파악하고 제거를 위한 Anomaly detection을 구현했습니다.

첫 번째는 Localization 오류로 입력 데이터 전체가 노이즈인 경우입니다. 해당 문제를 Classfication 관점에서 해결하고자 노이즈 데이터를 수집하고 학습데이터로 정상적인 문자 클래스들과 노이즈클래스를 하나의 모델로 동시에 학습시켰습니다. 각각 유사한 특징을 가진 문자들과 달리, 일반화 되지 못한 특징을 가진 노이즈 입력을 효과적으로 분류할 수 있었습니다.

두 번째는 Localization은 정상이지만 Segmentation 오류로 입력 데이터 일부가 노이즈인 경우입니다. 이는 전체 Segmentation을 좌 또는 우측으로 Shift 연산할 경우 정상적인 값으로 보정되는 상황이 많았습니다. 따라서 Shift 연산된 데이터를 다른 프레임들의 예측된 데이터와 비교하여 정상적인 값을 찾고, Ensemble을 통해 노이즈를 제거한 Inference를 도출하도록 구현했습니다.

④ 결과
기존 사내 번호판 OCR 시스템 Accuracy 0.6 대비 0.88의 성능을 가진 시스템을 개발하여 프로젝트를 마쳤고 연구내용을 바탕으로 KCI논문을 게재했습니다.