|
|
|
|
|
 |
우선 학부 연구생으로 참여했던 프로젝트에서 YOLOv 5 기반 객체탐지 모델을 활용해 보행자 인식 성능을 개선한 경험이 있습니다.
따라서 제 연구와 실무 경험에서 보여준 집요한데이터 분석 능력, 딥러닝 기반 모델 구현 및 최적화 역량, 그리고 실제 환경을 반영한 문제 해결 능력은 현대모비스의 직무요구와 긴밀하게 맞닿아 있습니다.
대학 졸업 프로젝트로 '차량 전방 카메라 기반 객체인식 시스템 개발'을 수행했을 때, 심각한 성능 저하 문제를 겪은 적이 있습니다.
대학과 인턴 경험을 통해 딥러닝 기반 객체인식 모델을 개발하고 실제 도로 환경에서 테스트한 경험을 쌓았으며, 이를 현대모비스의 전방객 체인식 로직개발에 연결해 글로벌 수준의 안전성과 신뢰성을 확보하고 싶어 지원했습니다.
저는 딥러닝 기반 객체인식 모델 구현 경험과 데이터 분석 역량을 보유하고 있으며, 동시에 실제 환경 데이터를 수집하고 반영해 문제를 개선한 경험이 있습니다.
|
|
|
 |
저는 전방영상 객체인식로직개발 직무를 단순한 기술적 과제가 아닌, "사람의 생명과 직결된 안전 알고리즘 개발"이라고 생각합니다.
따라서 제 연구와 실무 경험에서 보여준 집요한데이터 분석 능력, 딥러닝 기반 모델 구현 및 최적화 역량, 그리고 실제 환경을 반영한 문제 해결 능력은 현대모비스의 직무요구와 긴밀하게 맞닿아 있습니다.
입사 후에는 기존 CNN·RNN 기반 모델뿐 아니라 Trans former구조 등 최신 딥러닝 아키텍처를 적용해 객체 인식 성능을 고 도화하고, 임베디드 시스템 환경에서도 실시간 동작이 가능하도록 최적화하여 글로벌 수준의 안전성을 갖춘 로직 개발에 기여하겠습니다.
대학 졸업 프로젝트로 '차량 전방 카메라 기반 객체인식 시스템 개발'을 수행했을 때, 심각한 성능 저하 문제를 겪은 적이 있습니다.
초기에는 공개된 데이터 셋으로 학습한 모델이 실험 환경에서는 높은 성능을 보였으나, 실제 도로 주행 영상에서는 보행자와 차량을 제대로 구분하지 못하는 문제가 발생했습니다.
결국 새로운 데이터 셋으로 재학습한 결과 모델의 성능은 눈에 띄게 개선되었고, 실제 주행 테스트에서도 신뢰할 수 있는 수준의 인식률을 달성했습니다.
이 프로젝트는 교통량 데이터와 영상 데이터를 통합 분석하여 혼잡도를 예측하는 시스템을 개발하는 것이 목표였습니다.
데이터 분석팀은 통계 모델에 집중했고, 저는 딥러닝 기반 객체탐지 알고리즘을 강조했으며, 기업 엔지니어는 시스템의 실시간 구현 가능성을 최우선으로 고려했습니다.
대학과 인턴 경험을 통해 딥러닝 기반 객체인식 모델을 개발하고 실제 도로 환경에서 테스트한 경험을 쌓았으며, 이를 현대모비스의 전방객 체인식 로직개발에 연결해 글로벌 수준의 안전성과 신뢰성을 확보하고 싶어 지원했습니다.
다양한 시간대와 날씨 데이터를 반영해 학습한 결과, 실제 환경에서도 높은 인식률을 확보할 수 있었습니다.
저는 딥러닝 기반 객체인식 모델 구현 경험과 데이터 분석 역량을 보유하고 있으며, 동시에 실제 환경 데이터를 수집하고 반영해 문제를 개선한 경험이 있습니다. |
 |
데이터, 모델, 인식, 경험, 기반, 개발, 객체, 환경, 성능, 로직, 실제, 러닝, 문제, 프로젝트, 전방, 딥, 시스템, 학습, 차량, 모비스 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.09.10
5페이지
