CAREER PROFILE

안녕하세요. AI 개발자 정준욱 입니다. 제가 경험했던 주 연구 분야는 Object Detection, Object Segmentation, Metric Learning, Face Recognition, Image Retrieval 입니다. 현재는 ARBEON (알비언) 에서 Unseen Object Detection 개발 업무를 수행하고 있습니다.

CV / LinkedIn / GitHub

Email: rnans33@gmail.com

(Last update: 2023-07-23)

Unseen Object Detection

ARBEON (알비언), 2022.12 - present

목표: 한번도 보지못한 세상의 모든 객체를 검출할 수 있는 모델 개발. 동시에 온디바이스 (Android, iOS)에서 50msec 이하의 속도를 가지는 객체 검출 모델 개발.

결과: 성능과 속도간 trade-off가 존재하는 3 가지 타입의 모바일용 모델 개발.

• 안드로이드용 모델: 12ms 와 95.54% Top1 정확도
• iOS 용 모델: 20ms 와 97.12% Top1 정확도
• iOS 용 모델 (with points): 43ms 와 98.10% Top1 정확도

성과: 기존 모델을 개발한 모델로 대체함. 자체 테스트 데이터셋에서 기존 객체 검출 모델: Top1 정확도 87%, 개발한 모델: Top1 정확도 98.8%

Keyword: Multi-modal object detection (image-text pair), Segment Anything Model, Efficient Object Detection

More info

Unified Negative Pair Generation toward Well-discriminative Feature Space for Face Recognition@BMVC’2022

J.U. Jung, S.H. Lee, H.S. Oh, Y.J. Park, J.C. Park, and S.B. Son.

This paper proposes a unified negative pair generation (UNPG) by combining two PG strategies (i.e., MLPG and CLPG) from a unified perspective to alleviate the mismatch. UNPG introduces useful information about negative pairs using MLPG to overcome the CLPG deficiency. Moreover, it includes filtering the similarities of noisy negative pairs to guarantee reliable convergence and improved performance. Exhaustive experiments show the superiority of UNPG by achieving state-of-the-art performance across recent loss functions on public benchmark datasets.

Ranked #1 on Face Identification on MegaFace

Keyword: Metric Learning, Face Recognition

[poster] [paper] [code]

자가학습 기반 실시간 MLCC 적층 자동 검사 통합시스템 개발

ICT 바우처 지원 사업, 과학기술정보통신부 (ICT), (주) 삼성기전, 2021.12 - 2022.08

목표: MLCC (Multi-Layer Ceramic Capacitor)의 적층이 잘 쌓여져있는지 여부를 사람이 목시 검사로 수행하고 있음. 해당 검사 공정을 자동화시키는 시스템 개발.

결과: AI developer로써 적층 검출 모델, 적층 세그멘테이션 모델, 마진 검출 알고리즘 개발 후 적층 이미지로부터 최종 양불판정까지 end-to-end로 동작하는 시스템 개발. PM으로써 스케쥴링 담당, 프론트엔드 & 백엔드 개발자들과 연계하여 웹 프로토 타입 시스템을 구축

성과: 제안서 상 85% 정확도 대비 98%의 최종 양불 검출 정확도 달성. 적층 양불판정 검사 인원 보조용으로써 삼성전기 공장 시험가동 운행.

Keyword: Object Detection, Semantic Segmentation

[paper] [paper2]

다중 CCTV를 이용한 감염병 대응 시스템 개발

한국과학기술연구원 (KIST), 2021.04 - 2021.11

목표: COVID-19 와 같은 감염병 대응을 위해 마스크 착용 여부와 사회적 거리 측정을 통한 실시간 위험도 평가 및 방역대상 추적 시스템 개발

결과: Yolov5 + RetinaFace를 활용한 마스크 착용 여부 탐지기 개발. 자세 추정을 통한 사회적 거리 측정, 얼굴로부터 마스크 검출, 방역수칙 시각화를 통합한 프로토 타입 데모를 개발.

성과: 마스크 검출 성능 baseline model 대비 mAP 약 2% 향상.

Keyword: 3D Pedestrian Localization, Social Distance, Masked Face Detection, Object Tracking

[paper]

위성 이미지 객체 검출 경진대회 1위, 방위사업청장상 수상

국방과학연구소, 방위사업청, 데이콘, 2020.08 - 2020.11

기여점: Patch based multi-scale augmentation 알고리즘 train 및 test 모두 적용과 기존 Neck인 FPN 모듈에 Libra R-CNN의 balanced feature pyramid 추가를 통해 public score 2등 기여. 코드가 공개되어 있지 않은 당시 paper with code의 COCO object detection 1위 모델인 CBNet 백본 구현을 통한 public score 1등 기여.

Keyword: Object Detection In Aerial Images

[paper] [leaderbord]

MixFace: Improving Face Verification Focusing on Fine-grained Conditions

J.U. Jung, S.B. Son, J.C. Park, Y.J. Park, S.H. Lee, and H.S. Oh.

The performance of face recognition (FR) has become saturated for public benchmark datasets such as LFW, CFP-FP, and AgeDB, owing to the rapid advances in CNNs. However, the effects of faces with various fine-grained conditions on FR models have not been investigated because of the absence of such datasets. This paper analyzes their effects in terms of different conditions and loss functions using K-FACE, a recently introduced FR dataset with fine-grained conditions. We propose a novel loss function, MixFace, that combines classification and metric losses. The superiority of MixFace in terms of effectiveness and robustness is demonstrated experimentally on various benchmark datasets.

Keyword: Face Detection, Face Recognition

[paper]

국가혁신클러스터사업 (R&D) 한국인 얼굴인식 기술 개발

라온솔루션, 2019.01 - 2020.12

목표: 한국인 얼굴 검출기, 얼굴 인식기 개발. 안드로이드용 앱 데모 개발.

결과: AI-hub에서 제공되는 한국인 얼굴 인식 데이터 셋 사용. MTCNN을 활용한 얼굴 검출기 개발, ResNet + ArcFace를 활용한 얼굴 인식기 개발. 얼굴 검출부터 얼굴 인식 후 사전에 갤러리에 저장된 얼굴과의 유사도를 통한 동일 얼굴 유무 판단까지 동작하는 안드로이드 앱 데모 개발.

Keyword: Face Detection, Face Recognition