📌 개요

경량 AI 모델과 백엔드 시스템 개발 역량을 보유하고 있으며, MCU 및 엣지 디바이스 환경에서도 실시간 추론이 가능한 저해상도 열화상 객체 탐지 모델을 구현했습니다. IEEE Access(SCIE) 1저자 저널 게재, IEEE ICCE 2025 국제 컨퍼런스 발표 2편, 특허 2건 출원, Spring Boot 기반 REST API 및 클라우드 인프라 운영 경험을 통해 AI 시스템 전체 파이프라인을 설계·구축할 수 있는 능력을 갖추었습니다.

ORCID : 0009-0004-0998-6643

---

📌 주요 경력

1. 한국인물검증 (2021.12 ~ 2022.12 / 1년)

프로젝트: 개인정보 검증 시스템(KKAYO)

• 기술 스택: Spring Boot, Flask, AWS, Swagger, Jenkins
• 역할: 백엔드 개발, AWS 인프라 구축 및 운영
• 주요 업무:
  • 대학교 졸업증명서 원본 확인 엔진 개발
  • Spring Boot 기반 API 서버 개발 및 외부 서비스 연동
  • AWS 기반 클라우드 인프라 구축 및 운영
• 성과:
  • 프로젝트 전체 아키텍처 설계 및 백엔드 개발 주도
  • 데이터 자동 수집 및 API 최적화를 통해 시스템 응답 속도 3배 향상
  • AWS 비용 최적화 전략을 적용하여 서버 운영 비용 30% 절감

---

📌 연구 및 기술 성과

1. FLARE: 저해상도 열화상 실시간 객체 탐지 모델 (2024.01 ~ 2024.12 / 1년)

• 기술 스택: Python, TensorFlow Lite, OpenCV, YOLO, MobileNetV2-SSD, CubeMX, X-CUBE-AI, Raspberry Pi, STM32

• 주요 성과:

  • YOLOv8n 대비 메모리 사용량 1/118, 추론 속도 12배 향상
  • STM32 MCU 환경에서 초경량 실시간 객체 탐지 모델 구현
  • 저해상도 열화상 전용 증강 기법 개발, mAP 95% 성능 달성

2. ObjectBlend: 데이터 불균형 해결 증강 기법 (2024.07 ~ 2024.11 / 5개월)

• 기술 스택: Python, OpenCV, PyTorch, YOLO, NVIDIA AGX Orin, TensorRT

• 주요 성과:

  • YOLOv3-tiny의 mAP50-95 0.1988 → 0.9147로 성능 대폭 향상
  • 기존 증강 기법(CutMix 등) 대비 우수한 정밀도 확보
  • 소수 클래스(결함) 탐지 성능 대폭 개선

---

📌 논문 및 학술 성과

• IEEE Access (SCIE 저널) · 1저자 게재

  • Real-Time Object Detection Using Low-Resolution Thermal Camera for Smart Ventilation Systems
    DOI: 10.1109/ACCESS.2025.3566635

• IEEE Access (SCIE 저널) · 1저자, 심사 중

  • ObjectBlend: Data Augmentation Technique for Vision Inspection Systems

• IEEE ICCE 2025 (국제 컨퍼런스) · 1저자 발표

  • Real-Time Object Detection Using Low-Resolution Thermal Camera for Smart Ventilation Systems
    DOI: 10.1109/icce63647.2025.10930159

  • ObjectBlend: Data Augmentation Technique for Vision Inspection Systems
    DOI: 10.1109/icce63647.2025.10929866

---

📌 특허 출원

• 저해상도 열화상 기반 객체 탐지 및 실시간 추론 기술 특허 출원번호: 10-2024-0127351

• 열화상 이미지 전용 데이터 증강 알고리즘 특허 출원번호: 10-2024-0127352

📌 기술 역량

• AI/딥러닝: TensorFlow/PyTorch, YOLO 시리즈, MobileNetV2-SSD, TFLite, TensorRT, 모델 경량화, 데이터 증강
• Embedded AI: Raspberry Pi, STM32(CubeMX, X-CUBE-AI), NVIDIA Jetson
• 백엔드 및 클라우드: Spring Boot, Flask, FastAPI, AWS, Docker, Swagger

---

🔗 GitHub: github.com/MartenLabs
🔗 블로그: MartenLabs