포지션 상세
1. 포지션명
의류 훼손 탐지 AI 엔지니어
2. 포지션 개요
의류 반품·검수 과정에서 발생하는 오염, 찢김, 올풀림, 보풀, 이염, 변색, 구멍, 봉제 불량 등 다양한 훼손 상태를 AI 기반으로 자동 탐지하는 비전 AI 모델을 개발합니다.
본 포지션은 의류 이미지 데이터를 기반으로 훼손 유형을 분류하고, 훼손 영역을 탐지하며, 실제 검수 업무에 적용 가능한 AI 판별 시스템을 구축하는 역할을 담당합니다. 단순 이미지 분류를 넘어, 검수 자동화·품질관리·반품 판정 프로세스와 연계되는 실무형 AI 시스템 개발 역량이 요구됩니다.
3. 리터놀을 소개합니다
리터놀은 비전 AI와 데이터를 통해 반품 산업의 비효율을 해결하는 스타트업입니다.
우리는 단순히 반품 상품을 검사하는 회사를 만들고 있지 않습니다. 멀쩡한 상품이 폐기되는 문제를 해결하고, 생산된 모든 상품이 본래의 목적을 다할 수 있는 세상을 만들고자 합니다.
우리의 미션
"모든 것을 제자리로 - Return All to Their Own Purpose"
상품은 생산자에게는 수익을, 사용자에게는 사용을 목적으로 생산됩니다.
하지만 오늘날 이커머스 시장에서는 수많은 상품이 반품 과정의 비효율 때문에 재판매되지 못하고 폐기됩니다.
리터놀은 비전 AI와 공정 혁신을 통해 반품 상품을 빠르고 균일하게 검사하고, 더 많은 상품이 다시 판매되고 사용될 수 있도록 만듭니다.
우리는 반품을 혁신하여 상품 생산의 본래 목적을 성취합니다.
우리가 만들고 싶은 미래
Set Return Free, the New Normal
리터놀은 판매자가 어떤 채널에서든 무료 반품과 당일 환불·교환을 제공할 수 있는 세상을 만들고 있습니다.
우리가 만드는 기술은 단순한 자동화가 아니라, 반품 경험 자체를 새로운 표준으로 바꾸기 위한 기반입니다.
우리가 중요하게 생각하는 가치
Win-Win
참여하는 모든 이해관계자가 함께 성장할 수 있는 방향을 선택합니다.
정직
편법보다 원칙을, 단기 성과보다 지속 가능한 성장을 추구합니다.
정보공유
정보를 독점하지 않습니다. 더 좋은 의사결정을 위해 함께 배우고 공유합니다.
이런 분과 함께하고 싶습니다
기술을 통해 실제 산업의 문제를 해결하고 싶은 분
단순한 기능 개발보다 사회에 긍정적인 영향을 만드는 일에 의미를 느끼는 분
빠르게 성장하는 스타트업 환경을 즐기는 분
리터놀의 미션과 비전에 공감하는 분
개인의 성장과 팀의 성장을 함께 만들어가고 싶은 분
• 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
• 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 훼손 탐지 AI 엔지니어
2. 포지션 개요
의류 반품·검수 과정에서 발생하는 오염, 찢김, 올풀림, 보풀, 이염, 변색, 구멍, 봉제 불량 등 다양한 훼손 상태를 AI 기반으로 자동 탐지하는 비전 AI 모델을 개발합니다.
본 포지션은 의류 이미지 데이터를 기반으로 훼손 유형을 분류하고, 훼손 영역을 탐지하며, 실제 검수 업무에 적용 가능한 AI 판별 시스템을 구축하는 역할을 담당합니다. 단순 이미지 분류를 넘어, 검수 자동화·품질관리·반품 판정 프로세스와 연계되는 실무형 AI 시스템 개발 역량이 요구됩니다.
3. 리터놀을 소개합니다
리터놀은 비전 AI와 데이터를 통해 반품 산업의 비효율을 해결하는 스타트업입니다.
우리는 단순히 반품 상품을 검사하는 회사를 만들고 있지 않습니다. 멀쩡한 상품이 폐기되는 문제를 해결하고, 생산된 모든 상품이 본래의 목적을 다할 수 있는 세상을 만들고자 합니다.
우리의 미션
"모든 것을 제자리로 - Return All to Their Own Purpose"
상품은 생산자에게는 수익을, 사용자에게는 사용을 목적으로 생산됩니다.
하지만 오늘날 이커머스 시장에서는 수많은 상품이 반품 과정의 비효율 때문에 재판매되지 못하고 폐기됩니다.
리터놀은 비전 AI와 공정 혁신을 통해 반품 상품을 빠르고 균일하게 검사하고, 더 많은 상품이 다시 판매되고 사용될 수 있도록 만듭니다.
우리는 반품을 혁신하여 상품 생산의 본래 목적을 성취합니다.
우리가 만들고 싶은 미래
Set Return Free, the New Normal
리터놀은 판매자가 어떤 채널에서든 무료 반품과 당일 환불·교환을 제공할 수 있는 세상을 만들고 있습니다.
우리가 만드는 기술은 단순한 자동화가 아니라, 반품 경험 자체를 새로운 표준으로 바꾸기 위한 기반입니다.
우리가 중요하게 생각하는 가치
Win-Win
참여하는 모든 이해관계자가 함께 성장할 수 있는 방향을 선택합니다.
정직
편법보다 원칙을, 단기 성과보다 지속 가능한 성장을 추구합니다.
정보공유
정보를 독점하지 않습니다. 더 좋은 의사결정을 위해 함께 배우고 공유합니다.
이런 분과 함께하고 싶습니다
기술을 통해 실제 산업의 문제를 해결하고 싶은 분
단순한 기능 개발보다 사회에 긍정적인 영향을 만드는 일에 의미를 느끼는 분
빠르게 성장하는 스타트업 환경을 즐기는 분
리터놀의 미션과 비전에 공감하는 분
개인의 성장과 팀의 성장을 함께 만들어가고 싶은 분
주요업무
[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
자격요건
• 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
