2025-11-26(컴퓨터 비전)- 현업자 특강

강사님 소개 & 업계 경험

■ 현업 소개

• 컴퓨터 비전 분야 실무자.
• 컴퓨터 비전은 센서 종류가 매우 다양하고, 산업 적용 범위도 넓어 복합적인 분야.
• 많은 프로젝트(PoC)를 수행했지만, PoC는 대부분 공짜가 아님 →
  기본 1억 이상이 필요한 경우가 많아 현실적인 어려움 존재.
• 실제로는 제안서/Poc 작성이 일상에 가까움.

■ 회사 경험

• 2023년 11월 ChatGPT 등장 → 시장 판도 크게 변화.
• 두산의 개발 문화:
  “필요하면 사오는 조직” → 자체 개발보다 구매 중심.
  개발자가 스스로 만들고 싶은 강사님 스타일과 맞지 않았음.
• 글로벌 기업들은 기술 개발 & 마케팅까지 세계 탑 수준.
  한국 기업들도 그 영향을 크게 받는 중.

■ 개발 철학 & 업계 관찰

• 바이브 코딩(코드 자동완성, AI코딩툴) 많이 쓰이지만,
  기초가 없으면 활용 불가.
• 요즘 코드는 일회용 코드처럼 빨리 쓰고 버리는 경향이 있어 걱정.
• “코드는 모자란 자식 같다”
  → 직접 보여주고 가르쳐야 하고, 제대로 케어해야 한다는 비유.

■ 강사님의 개발자 기준

• “코딩을 잘한다”의 기준은 사람마다 다름.
• 어떤 선배는 코딩을 TV 드라마 보면서도 했지만,
  강사님은 필요한 코드를 빨리 찾고, 문제 해결 능력이 뛰어난 사람이 잘한다고 생각.
• 중요한 건 “어떤 개발자가 되고 싶은지 자기만의 기준을 세우는 것”.
• 최신 트렌드를 따라가고, 다양한 경험을 하면서 성장하는 것이 더 재미있는 삶.

---

AI & 컴퓨터 비전 개념 정리

■ AI = 딥러닝 시대

• 요즘 대부분의 AI는 딥러닝 기반.
• ChatGPT 같은 멀티모달 모델도 결국 컴퓨터 비전 기술 기반.

■ 컴퓨터 비전이란?

• “영상처리 + 패턴 인식”을 포함하는 넓은 분야.
• 지브리 스타일 변환, 사진 초해상도, 선명화, 얼굴 필터 등이 모두 비전 기술.
• 인간의 시신경과 비슷한 구조 → 픽셀 패턴을 보고 구분.

■ 비전 분야는

• 한 번도 메인이었던 적은 거의 없지만 망한 적도 없음.
  꾸준히 산업에서 수요가 있음.

---

강의 중 비하인드 & 현실 에피소드

■ 영화 같은 기술을 요구하는 클라이언트

• 실제 산업현장에서 고객들이 공상과학 영화 기술을 그대로 요구하는 경우 많음.
• 과거에는 불가능했지만, 지금은 영화보다 더 진보된 사례가 계속 등장하는 중.

■ 인간의 감각 비유

• 눈이 보이지 않아도 다른 감각으로 공간을 인식하는 아이 사례 →
  컴퓨터 비전 센서들도 이런 감각 대체 방식과 유사.

---

비전 센서 종류 정리

■ RGB 카메라

• 가장 일반적인 카메라.
• 필터 앱, 사람 얼굴 인식, 스마트팜/불량 검사에서 광범위하게 사용.

■ 모노크롬 카메라

• 색정보 없이 밝기만 측정 → 더 명확한 정보 제공, 산업용 검사에 강함.

■ 열화상 카메라

• 온도 패턴을 기반으로 사람·동물·기계 이상 감지.

■ 심도카메라(ToF / Structured Light)

• 물체의 거리(depth)를 측정하여 3D 정보 생성.

■ X-ray 카메라

• 내부 결함 검사(공장, 보안 검색).

■ LiDAR

• 자율주행, 배달 로봇 내비게이션의 핵심 센서.
• 고정밀 3D 포인트 클라우드 생성.
• 값이 비싸지만 야외 성능 최강.

■ 스마트시티 시스템

• 완전 자율주행까지는 아니지만
  교통/보행자 분석, 도시 관리용으로 비전 + AI 활용 증가.

■ 아마존 Go 사례

• 여러 대의 RGB 카메라로 고객 행동을 실시간 추적.
• 결제 없이 물건만 들고 나오는 시스템.

---

AI 학습·데이터 개념 정리

■ 딥러닝 공식

딥러닝 = 모델 + 데이터 + 학습 알고리즘

■ 데이터의 중요성

• 데이터가 부족하면 모델이 외움 → 과적합 발생
• 데이터가 풍부할수록 일반화 능력 향상

■ Classification(분류)

• 비전에서 가장 기본 문제.
• 이미지가 어느 카테고리인지 판별.

■ MNIST 데이터셋

• 0~9 손글씨 숫자 이미지.

■ 원핫 인코딩

• cat → 10000
• dog → 01000
• 각 클래스를 독립적으로 표현.

■ Label Smoothing

• “학습 방법”을 바꿔 성능 향상.
• 학생에게 다른 공부법을 가르치는 것과 같음.

■ 데이터 증강

• 회전, 크롭, 색변화 등으로 원본을 다양하게 변형하여
  데이터가 적어도 많은 것처럼 학습 가능.

---

취업·경력 조언

■ 해외 취업 및 사기 주의

• 베트남 등 해외에서 개발자 사기 사례 많음 → 매우 조심해야 함.

■ 인생에 지름길은 없음

• 프리랜서, 이직, 취업 모두 결국
  성실하게 실력 쌓고 포트폴리오 만드는 사람이 성공.

■ 면접관 경험에서 느낀 것

• 너무 포장이 심한 사람보다
  솔직함 + 구체적인 프로젝트 경험이 더 좋음.
• 회사에 대해 공부하고, 역할을 정확히 이해하는 태도 중요.

■ 강사님이 해줄 수 있는 것

• 많은 도움을 주긴 어렵지만
  정보, 경험, 방향성은 최대한 전달하고 싶다는 마음.

---

추가 정보

• HDC LABS / AI LAB
  정찬성 매니저
  chansung.jung@hdc-labs.com

---

’핵심 요약본 10줄’

1. 컴퓨터 비전은 산업에서 꾸준히 수요 있으며 센서 종류가 매우 다양하다.
2. AI코딩 시대지만 기초 없으면 활용 불가능 → 기본기가 중요.
3. 코드는 일회용처럼 변하고 있어 걱정되지만, 문제 해결 능력이 핵심.
4. 컴퓨터 비전은 영상처리 + 패턴인식 기반 기술.
5. RGB, 모노크롬, 열화상, 심도, LiDAR 등 다양한 센서 사용.
6. 아마존 Go 같은 시스템이 이미 현실화됨.
7. AI 성능은 결국 데이터 품질이 좌우.
8. 분류(Classification), MNIST, 원핫 인코딩 등 기본 개념 중요.
9. 데이터 증강·Label smoothing 등 학습기법도 성능에 큰 영향.
10. 취업에는 지름길이 없고, 솔직·구체적인 포트폴리오가 가장 효과적.