2025 LIG넥스원 SW_영상탐색기 탐지추적 자기소개서 지원서와 면접자료
분야
hwp목차
1. 지원 분야 관련 본인의 직무 역량 및 성장 비전
2. 새로운 시각과 혁신적 실행으로 문제를 해결한 경험
3. 타인의 협력을 이끌어 공동의 목표를 달성한 경험
4. 면접 예상 질문 및 답변
본문
1. 지원 분야 관련 본인의 직무 역량 및 성장 비전
저는 인공지능 기반 영상처리 알고리즘 연구를 중심으로 학업과 프로젝트를 수행하며, 영상탐색기 탐지/추적 SW 직무에 필요한 기술적 전문성을 갖추어 왔습니다. 특히 LIG넥스원의 영상 인식 및 추적 시스템은 단순한 객체 탐지가 아니라, 복잡한 환경 속에서도 목표를 식별하고 지속적으로 추적하는 ‘지능형 시각 인지 시스템’이라는 점에서 제 전공과 연구 방향이 밀접히 연관되어 있습니다.
대학원 연구실에서 수행한 ‘YOLO 기반 이동 물체 탐지 성능 개선 프로젝트’는 저에게 영상탐색기의 탐지/추적 알고리즘의 핵심을 체득하게 한 경험이었습니다. 당시 열악한 환경(조명 변화, 카메라 흔들림, 노이즈 등)에서도 탐지율을 높이기 위해 CNN 구조를 개선하고, Kalman Filter를 적용해 프레임 간 물체의 위치를 예측했습니다. 결과적으로 기존 대비 탐지 정확도가 18% 향상되었으며, 프레임 처리 속도는 GPU 최적화를 통해 1.4배 개선되었습니다. 이 과정에서 OpenCV, TensorFlow, PyTorch 등 딥러닝 프레임워크를 활용해 영상 처리 파이프라인을 직접 설계했습니다. 이러한 경험은 영상탐색기 시스템의 핵심인 ‘탐지 정확도와 추적 안정성의 균형’이 얼마나 중요한지 깨닫게 해주었습니다.
또한 LIG넥스원의 영상탐색기는 단순히 알고리즘 효율화뿐 아니라, 센서 융합(Fusion), 신호처리, 제어 로직 등과의 연동을 필요로 합니다. 이를 대비해 저는 Python뿐만 아니라 C++ 기반의 실시간 처리 기술을 학습하고, 멀티스레딩 및 메모리 최적화 기법을 프로젝트에 적용했습니다. 예를 들어, 자율주행 시뮬레이션 환경에서 멀티센서(라이다+카메라) 데이터를 결합해 차량 객체를 추적하는 알고리즘을 개발했으며, ROS 기반으로 시스템 간 데이터 흐름을 설계했습니다. 이러한 기술은 영상탐색기의 실시간 추적 안정성을 높이는 데 직접적으로 기여할 수 있는 역량이라 생각합니다.
입사 후에는 탐지·추적 알고리즘 고도화 연구를 통해, LIG넥스원의 전장 시스템이 지능형 감시 및 표적 식별 분야에서 세계적 수준으로 도약하는 데 기여하고 싶습니다. 단기적으로는 영상 기반 신호처리 SW를 완벽히 이해하고, LIG넥스원의 장비별 영상 인식 구조에 최적화된 모델을 개발하겠습니다. 중기적으로는 AI 기반 적응형 탐지 시스템(Adaptive Detection System)을 연구하여, 환경 변화에도 스스로 인식 정확도를 유지하는 알고리즘을 구현하고자 합니다. 장기적으로는 데이터 기반 성능 평가 체계를 구축해 영상처리 모듈의 신뢰성과 효율성을 검증하는 법무적·기술적 표준을 만드는 “시스템 통합형 SW 전문가”로 성장하겠습니다.
저는 LIG넥스원의 핵심 가치인 ‘도전과 완성’을 실천하기 위해, 연구와 현장 간의 간극을 줄이는 엔지니어가 되겠습니다. 개발 언어, 수학적 기반, AI 모델링, 실시간 신호처리 등 다면적 역량을 융합하여, 한국형 전장 AI의 중심을 견인하는 인재로 성장할 것입니다.
2. 새로운 시각과 혁신적 실행으로 문제를 해결한 경험
대학원 시절 수행한 ‘드론 영상 기반 탐색 알고리즘 고도화 프로젝트’에서, 탐지 정확도가 낮아 연구가 중단 위기에 놓인 상황을 해결한 경험이 있습니다. 문제의 핵심은 “드론 고도 변화에 따른 영상 왜곡”으로, 기존 CNN 모델이 학습된 데이터와 실시간 입력 영상 간의 시점 차이를 극복하지 못하고 있었습니다. 팀은 단순히 학습데이터를 늘리는 방향으로 문제를 해결하려 했지만, 데이터 확보에는 시간과 비용이 많이 소요되었습니다.
저는 접근 방식을 바꾸어 ‘데이터를 늘리는 대신, 시점 보정을 수학적으로 모델링하자’는 제안을 했습니다. 즉, 기하학적 변환(Geometric Transformation) 기반의 ‘Homography Estimation’을 적용해, 고도 변화로 인한 이미지 왜곡을 실시간으로 보정하는 알고리즘을 개발했습니다. 이 방식은 기존 CNN 학습 구조를 유지하면서도, 입력 데이터를 사전 정규화하여 탐지 성능을 안정화시킬 수 있었습니다.
실제 구현 단계에서 OpenCV와 NumPy를 활용하여 영상 프레임별 투시 변환 행렬을 계산하고, GPU 메모리 상에서 연산을 병렬화해 처리 속도를 유지했습니다. 결과적으로 탐지 정확도는 기존 대비 22% 향상되었으며, 환경 변화에도 안정적인 추적 성능을 확보했습니다. 이 접근 방식은 이후 팀의 핵심 알고리즘으로 채택되어, 학회 논문으로 게재되었습니다.
이 경험을 통해 저는 기술적 문제 해결의 본질은 ‘새로운 시각을 찾는 것’이라는 점을 배웠습니다. 단순히 더 많은 데이터를 쌓는 것이 아니라, 문제를 다른 차원에서 분석하고, 기존 구조의 제약을 넘어서는 사고가 혁신을 이끈다는 것을 실감했습니다. LIG넥스원에서도 복잡한 전장 환경 속에서 영상탐색기 시스템의 신뢰성과 정확도를 높이기 위해, 동일한 ‘창의적 시각’을 적용할 것입니다. 탐지/추적 SW 개발에서 발생할 수 있는 노이즈, 조명, 기하 왜곡 문제를 AI 기반 보정 알고리즘으로 개선하고, 안정적 실시간성을 확보하는 개발자로 성장하겠습니다.
3. 타인의 협력을 이끌어 공동의 목표를 달성한 경험