Responsibilities

• EfficientDet-Lite 기반 온디바이스 객체 인식 모델 전이 학습 및 고도화
  Fine-tune and enhance on-device object detection models based on EfficientDet-Lite through transfer learning.
   

• 빠르고 정확한 사물 인식에 집중한 성능 파인 튜닝
  Optimize model performance with a focus on fast and accurate object detection.
   

• 집 안 사물 타겟 커스텀 데이터셋 수집 파이프라인 구축 및 라벨링 관리
  Build and maintain custom data collection pipelines and labeling workflows for household object datasets.
   

• 모바일 환경에 맞춘 모델 사이즈 INT8 양자화 및 발열/메모리 제어 최적화
  Optimize model size using INT8 quantization and improve thermal and memory efficiency for mobile environments.
   

• 임계값 조정을 통한 AR 렌더링 안정성 확보
  Improve AR rendering stability by optimizing detection confidence thresholds and inference parameters.

Qualifications

• 객체 인식 모델(YOLO, MediaPipe, EfficientDet 등) 전이 학습 및 튜닝 경험 있으신 분
  Experience with transfer learning and fine-tuning object detection models such as YOLO, MediaPipe, EfficientDet, or similar architectures.
   

• TFLite, ONNX 등을 활용한 모바일/엣지 디바이스 모델 배포 및 추론 경험이 있으신 분
  Hands-on experience deploying and running inference with deep learning models on mobile or edge devices using frameworks such as TensorFlow Lite (TFLite) and ONNX Runtime.
   

• PyTorch, TensorFlow 등 딥러닝 프레임워크 활용에 능숙하신 분
  Proficiency in deep learning frameworks such as PyTorch and TensorFlow.
   

• 온디바이스 환경에서의 딥러닝 모델 최적화 이해도가 있으신 분
  Strong understanding of deep learning model optimization techniques for on-device deployment.
   

• 카메라 비전 기반의 AR 애플리케이션 프로젝트 참여 경험이 있으신 분
  Experience developing or contributing to camera vision–based AR applications.
   

• 컴퓨터 비전 석/박사 학위 소지자 혹은 관련 분야 실무 경력자
  Master's or Ph.D. degree in Computer Vision or a related field, or equivalent industry experience.

Tech Stack

Python, PyTorch / TensorFlow, TFLite, ONNX Runtime, OpenCV