의류 훼손 탐지 AI 엔지니어

의류 훼손 탐지 모델 개발]

- 의류 이미지 기반 훼손 유형 분류 모델 개발
- 오염, 찢김, 보풀, 이염, 변색, 구멍, 올풀림 등 의류 훼손 유형별 탐지 모델 개발
- 정상/비정상 의류 판별 모델 개발
- 훼손 정도 및 판정 기준에 따른 등급화 모델 설계

[훼손 영역 탐지 및 세그멘테이션]

- 훼손 영역 Bounding Box 탐지 모델 개발
- 훼손 영역 Segmentation 모델 개발
- YOLO, Detectron2, Mask R-CNN, SAM, U-Net 등 비전 모델 적용
- 훼손 위치, 크기, 형태 기반 정량 분석 로직 개발

[데이터셋 구축 및 전처리]

- 의류 훼손 이미지 데이터셋 정제 및 구조화
- 훼손 유형별 라벨링 기준 수립
- Bounding Box, Polygon, Mask 등 어노테이션 데이터 관리
- 데이터 증강 및 클래스 불균형 개선
- 학습·검증·테스트 데이터셋 분리 및 품질 관리

[모델 학습 및 성능 개선]

- PyTorch 기반 모델 학습 및 파인튜닝
- Precision, Recall, F1-score, mAP, IoU 등 성능 지표 기반 모델 개선
- 오탐·미탐 사례 분석 및 재학습 전략 수립
- 실제 검수 환경 이미지에 대한 모델 일반화 성능 개선
- 조명, 배경, 촬영 각도, 원단 질감 차이에 따른 성능 안정화

[AI 검수 시스템 연동]

- 학습된 모델을 API 또는 배치 추론 형태로 서비스화
- Django/FastAPI 기반 백엔드와 AI 모델 연동
- 검수 화면에서 탐지 결과를 시각화하기 위한 데이터 구조 설계
- 모델 추론 결과를 검수자 판정 프로세스와 연계
- 운영 환경에서의 모델 모니터링 및 개선 체계 구축

- Computer Vision 모델 개발 경험
- PyTorch 또는 TensorFlow 기반 딥러닝 모델 학습 경험
- 이미지 분류, 객체 탐지, 세그멘테이션 중 1개 이상 실무 또는 프로젝트 경험
- YOLO, Faster R-CNN, Mask R-CNN, U-Net, EfficientNet, ViT 등 비전 모델 활용 경험
- 이미지 데이터 전처리 및 라벨링 데이터 관리 경험
- Python 기반 데이터 분석 및 모델 개발 역량
- 모델 성능 평가 지표에 대한 이해
- Git 기반 협업 경험

- 의류, 섬유, 패션, 반품 검수, 품질관리 관련 이미지 데이터 경험
- 불량 탐지, 결함 탐지, 이상 탐지 모델 개발 경험
- 산업용 비전 검사 시스템 개발 경험
- 소량 데이터 기반 모델 학습 및 데이터 증강 경험
- 객체 탐지와 세그멘테이션을 함께 활용한 프로젝트 경험
- OpenCV 기반 이미지 처리 경험
- Label Studio, CVAT, Roboflow 등 라벨링 도구 사용 경험
- ONNX, TensorRT 등을 활용한 모델 최적화 및 배포 경험
- Docker 기반 AI 모델 배포 경험
- Django, FastAPI, Flask 등 웹 백엔드와 AI 모델 연동 경험
- MLOps, 모델 버전 관리, 실험 관리 경험

<근무환경 및 조건>
- 200만건의 이미지를 포함하는 국내 독보적인 의류 훼손 이미지 데이터의 처리 RTX PRO 6000 포함 멀티 학습서버 제공
- 고용형태 : 정규직 (3개월 시용기간, 급여 100% 지급)
- 근무시간 : 주 5일 (월~금)
- 근무지 : 서울 마포구 공덕동 (공덕역 도보 10분)
- 급여 : 면접 후 협의

<복리후생>
리터놀은 구성원이 빠르게 배우고, 주도적으로 일하며, 성과를 만들어낼 수 있는 환경을 지향합니다.
불필요한 형식보다 실질적인 몰입과 성장을 돕는 제도를 운영합니다.
- 자율과 책임 기반의 유연출퇴근제
- 역할 수행에 필요한 업무 장비 지원
- 개인 역량 강화를 위한 도서 구입비 지원
- 경조휴가 및 경조사비 지원
- 온보딩 지원 (각 분야의 온보딩 교육 및 웰컴키트 제공)
-  직무 교육·세미나·컨퍼런스 참가 지원
- 명절 선물 
- 자유로운 휴가(연차, 반차) 사용 가능
- 외근·출장 시 교통비 지원: 카카오T, 쏘카 등 포함
- 야근/특근 발생시 식대 지원
- 자유로운 복장과 수평적인 커뮤니케이션 문화