강화학습·컴퓨터 비전 연구.

직접 한 일

참고 논문의 그래프 표현과 Q-learning 아이디어를 가져와 TSP 환경과 모델, 학습 루프, 삽입 규칙을 하나의 실험 코드로 구현했습니다.

만들어낸 결과

도시의 위치와 거리, 방문 여부를 그래프로 넣고, 모델이 고른 도시를 삽입 휴리스틱으로 경로에 추가하는 탐색 프로그램을 만들었습니다. 공개 코드로 기준선과 비교하는 실험을 하며 학습이 제대로 되지 않은 원인도 찾았습니다.

• 2단계 AI 도시 선택 + 휴리스틱 경로 삽입

직접 한 일

사전학습된 ResNet50V2로 의류를 분류하는 학습 코드와 클래스별 샘플링, 평가 코드를 구현하고, 혼동행렬로 잘못 분류한 사례를 분석했습니다.

만들어낸 결과

K-Fashion 사진을 드레스, 아우터, 바지, 상의로 분류하도록 학습하고 결과를 분석하는 코드를 만들었습니다. 이후 공개 데이터인 Fashion-MNIST에서 설정을 하나씩 바꿔 가며, 데이터 증강과 숏컷 연결이 예측에 각각 어떤 영향을 주는지 확인했습니다.

• 4종 드레스 · 아우터 · 바지 · 상의 분류

직접 한 일

공개 가상 착용 모델에 필요한 입력 전처리와 의류 마스크를 구성하고, Flask 업로드 API와 Kotlin·Retrofit Android 클라이언트를 연결했습니다.

만들어낸 결과

인물 사진과 고른 옷을 받아 전처리하고, 착용 이미지를 만들어 앱으로 돌려주기까지 한 번에 동작하게 만들었습니다. 생성 모델과 포즈 추정, 인체 파싱 모델은 공개 모델을 그대로 썼고, 직접 구현한 것은 모델 입력 만들기와 마스크 처리, 서버와 앱 연동입니다.

• 3단계 전처리 → 착용 이미지 생성 → 앱 반환