박지완 | Jiwan Park

끊임없는 성장: boostcamp AI Tech와 여러 대회에 참가하면서, 실제 데이터 처리, 모델 설계, 성능 최적화 등 실무에 필요한 기술을 집중적으로 개발했습니다. 특히, 문제 정의부터 데이터 수집, 모델 개발, 성능 검증에 이르는 전체 과정을 직접 수행 하며 문제 해결 능력, 효율적인 협업 스킬, 프로젝트 관리 역량을 강화했습니다.

커뮤니케이션: 홍보대사 부회장을 역임하며 리더십과 협업 능력을 배양했습니다. 이 경험을 바탕으로 프로젝트에서도 효과 적인 커뮤니케이션을 중시하며, Jira를 활용해 업무 분담, 일정 관리, 진행 상황 모니터링 등을 체계적으로 수행했습니다. 이를 통해 팀원들과의 원활한 소통과 협업을 강화하고, 프로젝트를 효율적으로 관리했습니다.

Project.

2024. 01. ~ 02.

TVING

네이버 커넥트재단

Video Retrieval (Video to Text / Text to Video)

주제 : Video-to-Text & Text-to-Video 기반 영상 검색

Video to Text

지정된 시간 구간의 영상 내용을 분석하여 캡션 생성

Text to Video

Video-to-Text 모델을 활용한 DB에서 텍스트 기반 검색

Links

https://github.com/Batwan01/level4-cv-finalproject-hackathon-cv-15-lv3

자료
시현 연상

What did I do

서버 분산처리
- 비디오 캡셔닝 과정에서 병목 현상을 최소화하고 속도를 향상시키 위함
- 1개의 메인서버와 캡셔닝을 진행하는 4개의 서브서버로 구성
- 서버를 4개로 확장했을 때 단일 서버 대비 처리 속도가 70.45% 향상
Text embedding model fine-tuning
- 더 유사한 장면이 존재해도 적절하지 않은 장면이 탐색 되는 문제 발생
- 쿼리 데이터를 직접 생성하고 규칙을 적용하여, 의미적으로 유사한 문장들이 같은 벡터 공간에 위치하도록 모델을 학습
  - “[날씨] [시간대], [장소], [배경], [배경의 상태/특성], [특징]의 [사람/동물/사물]이(가) [상호작용/동작] 장면”
- Recall@3 7% 향상, 유사도 15% 향상
Re-ranking
- 비디오 장면을 벡터화하고, 가장 유사한 Top-K 개의 후보를 검색
- 1차 검색된 Top-K를 jina-reranker-v1-turbo-en를 사용하여 재평가
- 기존 embedding 모델의 유사도 점수와 결합하여 최종 정렬
- Recall@1 1% 향상되었지만 유의미한 결과는 아니었음

2024. 10. 02. ~ 10. 24.

네이버 커넥트재단

Recycling waste object detection

주제 : 재활용 품목 분류를 위한 Object Detection (리더보드 2등)

목표 : 10 종류의 쓰레기 품목 Object Detection 모델 객체 탐지 성능 향상

Links

https://github.com/boostcampaitech7/level2-objectdetection-cv-18

https://velog.io/@wldhks1120/Recycling-waste-object-detection-2nd

자료

What did I do

Startifed group k-fold
- 학습 데이터셋의 클래스 분포 불균형을 보정하기 위해 사용
- fold의 클래스별 mAP50 불균형 해결
Anchor box optimization
- bounding box aspect ratio를 시각화하여 분석
- aspect ratio의 Q1-Q3 범위가 [0.4725, 2.1209]에 분포
- 분포를 바탕으로 데이터셋에 최적화된 anchor box ratio를 설정
Large Scale Jittering
- 이미지를 0.1~2.0배 이내에서 크기를 조정한 뒤 이미지를 무작위로 자르고 랜덤 좌우 반전변환을 적용하여 데이터의 다양성을 증가시킴

Educations.

STRENGTH.

Project.

Award.