📌 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, 국내 특허 2건 및 국제 특허 1건 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

---

2. A.I.Matics (2025.09 ~ 현재 / AI Systems Developer)

• 기술 스택: C/C++, Python, TensorRT, TFLite, Docker, Embedded Linux, OpenCV

• 역할: AI 모델 최적화 및 시스템 아키텍처 설계

• 주요 업무:
  • MCU/엣지 디바이스 환경에서 실시간 추론 가능한 AI 모델 포팅 및 경량화
  • TensorRT, TFLite 기반 모델 최적화 및 성능 개선
  • Docker 기반 배포 환경 설계 및 성능 검증

• 주요 프로젝트:

  Mobile-Conn 게이트웨이 애플리케이션 (Roadscope R11 장비 탑재)

  • 개요: Core App 내부 상태/설정을 외부(모바일/상위시스템)에 HTTP(S) REST API로 안전하게 제공하는 C++ 기반 게이트웨이
  • 구성: ZeroMQ IPC 내부 통신 · cpp-httplib 기반 REST 서버 · Problem+JSON 오류 처리 · HTTPS 인증서 기반 보안
  • 성과:
    • 카메라/ADAS/센서/저장장치 설정 조회 및 변경 API 구현
    • 초기 설정·프로비저닝 및 펌웨어 인증서 관리 기능 개발
    • Peripheral 테스트 및 주행거리 관리 기능 적용
    • Roadscope R11 최신 장비 상용 탑재

  학습 서버 아키텍처 구축 (2025.09 ~ 진행 중)

  • 개요: 검사 장비에서 수집된 데이터를 원격 GPU 서버에서 학습·관리할 수 있도록 설계한 컨테이너 기반 학습 서버
  • 구성: SFTP 데이터 전송 · FastAPI REST API 학습 제어 · SSE 로그/상태 스트리밍 · Prometheus+Grafana 모니터링
  • 성과:
    • 학습 상태 관리(Queued/Running/Completed/Failed/Interrupted) 체계 구축
    • 재기동 복구 및 실시간 로그 스트리밍 기능 구현
    • 컨테이너 기반 다중 GPU 학습 환경 최적화
    • 드림텍 공장 납품

---

📌 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

국내

• 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

국제(PCT)

• 예측 모델을 활용한 자율 조절 환기 시스템을 구동하기 위한 전자 장치 및 그 구동 방법
  국제 특허 출원번호: PCT/KR2025/014712

📌 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