Sangmin LeeAI Engineer & Researcher

Projects12 projects

프로젝트

현업과 연구실에서 직접 설계하고 운영한 AI 시스템입니다.
나무의 가지 하나가 프로젝트 하나이고, 열매는 그 프로젝트가 낸 성과입니다.
줄을 누르면 한 일과 스택이 펼쳐집니다.

AsianaIDT / 2026.06 - 2026.07대한상의 회장상

목표 주도 멀티스킬 루프로 항공조업 영상을 분석하는 안전 관제 에이전트

항공 조업 영상을 조합형 스킬 파이프라인으로 분석하고, GoalOrchestrator가 select → compose → evaluate → refine 루프로 목표 충족을 스스로 판정하는 영상 안전 분석 에이전트입니다.
전신 버전은 'AI 항공조업 안전기술'로 기업혁신대상 대한상공회의소 회장상('25)을 수상했습니다.

  • 대한상의 회장상 (전신 '25)
  • Goal-driven 멀티스킬 루프
  • 50배 압축영상 시각 앵커링

주요 작업 3

  • 분석 능력을 1:N SkillDescriptor 카탈로그로 데이터화하고, GoalOrchestrator가 select → compose → evaluate → refine으로 스킬 조합을 스스로 구성 → 고정 파이프라인이던 전신 버전을 '목표만 주면 조합이 바뀌는' 자율 관제 루프로 재설계했습니다.
  • 50배 압축 CCTV의 재생 위치를 파일명 촬영시각·fps와 결합해 벽시계 시각↔프레임을 결정적으로 매핑 → '10시 59분경 상황'을 프레임 번호가 아닌 실제 시각으로 질의·브리핑할 수 있게 만들었습니다.
  • 전역·사용자 커스텀 스킬을 합집합으로 합성하고 실행 이력을 학습해 검증 통과 스킬 초안을 자동 제안 → 운영자가 쓸수록 분석 카탈로그가 확장되는 루프를 구현했습니다.

스택

  • Python
  • FastAPI
  • VLM
  • Object Detection
  • Hexagonal Architecture
  • VectorDB
  • Next.js
자세히 보기

AsianaIDT / 2026.01 - 진행 중특허 출원 · 공급계약

로직 기반 표 구조 복원과 정량 벤치마크를 갖춘 Document AI 플랫폼

OCR 이후의 표 구조 복원을 후보 생성 → 비교 → 선택 프레임으로 풀고, TEDS 기반 정량 벤치마크와 보안 납품 체계까지 갖춘 Document AI 플랫폼입니다.
관련 기술 특허 출원 중, K사 솔루션 공급 계약 수주.

  • TEDS 0.9188 / Cell F1 0.9702
  • K사 솔루션 공급계약 수주
  • 관련 기술 특허 출원

주요 작업 3

  • OCR bbox와 선분 신호를 결합해 표 구조 후보를 여러 개 생성 → 비교 → 선택하는 로직 기반 복원 엔진을 단독 설계·고도화 → TEDS 0.9188 / Cell F1 0.9702까지 끌어올리고 관련 기술을 특허 출원했습니다.
  • HTML table GT 기준 TEDS/TEDS-S·Cell F1·CER·Row/Col 일치를 함께 재는 벤치마크 콘솔을 구축 → '좋아졌다'는 주장을 baseline 대비 정량 수치로 증명 가능하게 만들었습니다.
  • RSA-OAEP + AES-256-GCM 번들 암호화와 Cython secure build로 고객사 납품 파이프라인을 구축 → 모델 유출 없는 온프레미스 납품을 가능하게 해 K사 공급 계약을 수주했습니다.

스택

  • FastAPI
  • Next.js
  • ONDOKS
  • Table Reconstruction
  • TEDS Benchmark
  • RSA-OAEP + AES-256-GCM
  • Cython
  • Docker Compose
자세히 보기

AsianaIDT / 2026.05.11 - 2026.05.22

권한 · 승인 · 인용으로 구성되는 엔터프라이즈 초개인화 AI 에이전트

에이전트 런타임을 프로토콜 계약으로 추상화하고, 검색을 에이전트 주도 멀티홉으로 전환해 검색 후보와 인용을 분리하며, AI가 만든 지식은 사람 승인을 거쳐야만 공식 corpus가 되는 human-gated 사내 AI 시스템입니다.

  • 사내 에이전트 플랫폼
  • Human-gated 지식 승인 루프
  • Agentic 멀티홉 검색 (최대 6회)

주요 작업 3

  • run_turn/stream_turn IAIAgent 프로토콜로 런타임을 계약화하고 로컬·서버 2개 구현을 같은 계약으로 교체 가능하게 만듦 → 모델·인프라가 바뀌어도 상위 코드는 그대로인 벤더 독립 구조를 확보했습니다.
  • 프리페치 RAG를 에이전트 주도 멀티홉(최대 6회) 검색으로 전환하고 검색 후보(tool trace)와 실제 인용(citations)을 분리 → '무엇을 봤는지'와 '무엇을 근거로 답했는지'가 따로 추적되는 검색을 구현했습니다.
  • LLM이 만든 지식 초안을 review queue에서 사람이 승인해야만 공식 corpus에 편입되는 human-gated loop를 설계 → AI 생성 지식이 검증 없이 사내 정답이 되는 위험을 원천 차단했습니다.

스택

  • Python
  • FastAPI
  • Next.js
  • AWS Bedrock
  • PageIndex
  • SQLAlchemy
  • OpenTofu
자세히 보기

AsianaIDT / 2025.10 - 2026.02

Graph + Vector Hybrid RAG와 Agent Builder를 갖춘 엔터프라이즈 지식 플랫폼

기업 문서를 Graph + Vector 이중 인덱스로 지식화하고, 5가지 검색 모드와 RRF 4벡터 융합으로 질의하며, LangGraph 기반 Agent Builder로 워크플로우를 조립하는 엔터프라이즈 AI 지식 플랫폼입니다.

  • 5종 DB 오케스트레이션
  • RRF 4벡터 융합 (k=60)
  • 검색 모드 5종

주요 작업 3

  • LightRAG를 Milvus + Neo4j로 재구성해 local/global/hybrid/naive/mix 5개 검색 모드를 한 파이프라인에 통합 → 질의 성격에 따라 벡터·그래프 검색을 골라 쓰는 Hybrid RAG를 구축했습니다.
  • content/title/domain/structure 4개 벡터 필드를 병렬 검색해 RRF(k=60)로 융합 → 단일 임베딩이 놓치는 제목·도메인·구조 신호까지 반영한 멀티벡터 검색을 구현했습니다.
  • 다중 저장소 삭제 잔존과 동시 연결 초기화 경합을 세션 기반 삭제 파이프라인·asyncio.Lock double-check로 해결 → Graph/Vector 인덱스가 서로 어긋나지 않는 삭제 일관성을 확보했습니다.

스택

  • FastAPI
  • LangGraph
  • Milvus
  • Neo4j
  • PostgreSQL
  • Redis
  • Elasticsearch
  • Vue 3
  • Celery
자세히 보기

AsianaIDT / 2025.07 - 2025.12행정안전부 장관상

법령 근거가 검증된 위험성평가를 생성하는 산업안전 RAG 서비스

현장 이미지 · 문서에서 위험요인을 추출하고, 법령 벡터 검색과 LLM 재검증으로 근거의 정확성을 보증하며, LangGraph 워크플로우로 위험성평가 표를 생성하는 AI 안전 분석 서비스입니다.
이 서비스을 탑재한 Plan2Do 플랫폼은 행정안전부 장관상·한국건설기술연구원 원장상을 수상했습니다.

  • 행안부 장관상·건기연 원장상
  • AI 위험성평가 서비스 단독 개발
  • 법령 근거 LLM 재검증

주요 작업 3

  • 3개 법령 계열 XML을 법→조→항→호 계층으로 정규화하고 상위 계층을 chunk 제목에 포함 → 검색 결과가 그 자체로 인용 가능한 표기('산업안전보건법 제38조 제1항')가 되는 법령 corpus를 구축했습니다.
  • 위험 설명↔조문의 어휘 간극을 원본·키워드 이중 검색으로 메우고 법령당 2건·조당 1건 cap으로 편중을 차단 → 근거가 특정 법 한 곳에 도배되지 않고 폭넓게 커버되도록 설계했습니다.
  • 생성 이후 감소대책 단위로 매칭 법령을 LLM이 재판정(validated/removed·removal_rate)하고 제거 내역을 리포트에 공개 → 환각·무관 인용을 걸러 '검증 과정이 보이는' 신뢰를 확보했습니다.

스택

  • Python
  • FastAPI
  • LangGraph
  • Qdrant
  • PostgreSQL
  • OpenAI GPT-4o
  • Gemini
  • Docker Compose
자세히 보기

AsianaIDT / AWS EST 과정 2025.09.08 - 12.05 · 집중 개발 2025.11 - 12

RFP 기반 제안서·시장 인텔리전스 멀티에이전트 플랫폼

RFP를 분석·수정하는 8+8 에이전트 파이프라인 위에, 시장 인텔리전스를 자동 수집해 Bedrock Knowledge Base로 동기화하는 KB Intelligence 오케스트레이터를 얹은 팀 프로젝트입니다.
역할: 프론트엔드, KB Intelligence 오케스트레이터, IaC.

  • KB Intelligence 5 Agents
  • 8+8 분석·수정 에이전트
  • BFF 라우트 14

주요 작업 3

  • 시장 인텔리전스 수집을 supervisor + 5개 전문 에이전트(planner·researcher·competitor·tech·synthesizer)로 설계하고 Bedrock KB 동기화까지 자동화 → RFP만 넣으면 조사 리포트가 KB에 쌓이는 무인 수집 루프를 만들었습니다.
  • Next.js 프론트엔드와 14개 BFF 라우트를 구현하고 S3 단일 소스 원칙을 적용 → 여러 산출물 화면 사이의 클라이언트 상태 불일치를 제거했습니다.
  • AWS EST Gen AI 실무 과정(2025.09–12, 13주) 팀 프로젝트로, 8+8 RFP 분석·수정 에이전트 위에 본인이 KB Intelligence 오케스트레이터·프론트엔드·IaC를 얹어 완성했습니다.

스택

  • AWS Lambda
  • Amazon S3
  • DynamoDB
  • EventBridge
  • AWS Bedrock
  • Bedrock Knowledge Base
  • Terraform
  • Next.js
  • TypeScript
자세히 보기

ArtygenSpace / 2024.07 - 2025.07

booxTory / arti 제품 개발 포트폴리오

ArtygenSpace에서 1년간 진행한 두 개의 핵심 프로젝트, booxTory와 arti의 제품 개발 및 AI 솔루션 리드 경험을 정리한 포트폴리오 허브입니다.

  • 2 Product Projects
  • booxTory Best of Innovation
  • arti Honoree

주요 작업 3

  • ArtygenSpace 1년간 booxTory·arti 두 제품의 AI 연구·엔지니어링을 수행 → 두 제품 모두 CES 2025 혁신상(booxTory Best of Innovation·arti Honoree)에 기여했습니다.
  • booxTory는 개인화 AI 독서 경험, arti는 CATS·MERGE·CLEAR·NEXIS 4개 핵심 AI 솔루션으로 제품화 → 콘텐츠 생성·비전·문서·검색을 아우르는 풀스택 AI 역량을 보였습니다.
  • 각 프로젝트를 저장소가 아니라 제품명·솔루션명·역할·기술 리드 범위 중심으로 정리 → '무엇을 만들고 무엇을 책임졌는가'로 읽히게 구성했습니다.

스택

  • Python
  • FastAPI
  • LangGraph
  • Qdrant
  • Computer Vision
  • OCR
  • RAG
자세히 보기

ArtygenSpace / 2024.07 - 2025.07CES 2025 최고혁신상

AI 독서 경험 제품 개발

CES 2025 Best of Innovation을 받은 booxTory에서 책 페이지 인식, 사용자별 독서 AI, RAG, TTS, 퀴즈, 번역, 추천 기능을 제품 흐름으로 묶은 경험입니다.

  • CES 2025 Best of Innovation
  • Personalized Reading AI
  • OCR/RAG/TTS

주요 작업 4

  • 책 페이지 이미지를 텍스트·영역으로 변환해 사용자·책 단위 독서 데이터로 연결 → 종이책을 개인화 AI가 붙는 디지털 독서 세션으로 만들었습니다.
  • 사용자별 문서 컬렉션과 채팅 메모리를 분리 → 독서 질문·이전 대화·책 맥락이 섞이지 않고 안전하게 결합되는 개인화 RAG를 설계했습니다.
  • TTS·퀴즈·요약·번역·추천 질문·사운드 추천을 독서 후속 활동으로 확장 → 한 번의 페이지 인식에서 여러 상호작용이 파생되는 제품 흐름을 완성했습니다.
  • 모델 실험을 API·저장소·비동기 작업·테스트 가능한 서비스로 이관 → 연구 코드를 CES 2025 Best of Innovation 제품 런타임으로 안착시켰습니다.

스택

  • Python
  • FastAPI
  • Qdrant
  • LangChain
  • OpenAI
  • Computer Vision
  • TTS
자세히 보기

ArtygenSpace / 2024.07 - 2025.07CES 2025 혁신상

핵심 AI 솔루션 기술 리드

CES 2025 Honoree 제품인 arti에서 CATS, MERGE, CLEAR, NEXIS 네 가지 핵심 AI 솔루션의 기술 방향과 제품화 흐름을 리드한 경험입니다.

  • CES 2025 Honoree
  • 4 Core AI Solutions
  • AI Tech Lead

주요 작업 4

  • CATS: LangGraph 다중 에이전트로 책 한 권을 퀴즈·음악·인터랙티브 스토리로 변환하는 콘텐츠 솔루션의 기술 방향을 리드 → 정적인 책을 능동형 콘텐츠로 확장했습니다.
  • MERGE: 자연어 프롬프트로 객체를 탐지하고 정밀 분할·중복 제거하는 탐지 솔루션을 리드 → 좌표를 몰라도 '무엇을'을 말로 지정하는 이미지 편집 흐름을 가능하게 했습니다.
  • CLEAR: 다국어 문서를 레이아웃 보존한 채 인식하고 OCR 결과를 교정·구조화하는 문서 인식 솔루션을 리드 → 원문 구조가 살아있는 디지털화를 구현했습니다.
  • NEXIS: 문서 기반 질의응답과 텍스트–효과음 매칭을 잇는 검색/추천 솔루션을 리드 → 콘텐츠 맥락에 맞는 사운드를 자동 연결했습니다.
    (4개 솔루션으로 CES 2025 Honoree 기여)

스택

  • LangGraph
  • Qdrant
  • BGE-M3
  • Vision Transformer
  • OCR
  • RAG
  • FastAPI
  • NLP
자세히 보기

Kyonggi University / M.S. Thesis

Egress 초기화와 Weighted Forwarding으로 임베딩 손실을 완화한 석사 논문 연구

석사학위논문 「추천 시스템에서 그래프 콘볼루션 네트워크 최적화 방법」을 기반으로, GCN 추천 시스템의 임베딩 값 손실과 깊은 Layer 구성 한계를 분석하고 Egress 초기화와 Weighted Forwarding(WF)으로 학습 속도와 추천 정확도 개선을 검증한 연구입니다.

  • SCIE(Q2) 2편 · 1저자
  • 석사학위논문 기반
  • Egress Init · Weighted Forwarding

주요 작업 4

  • GCN 추천의 임베딩 값 손실(좁은 범위 수렴)과 깊은 Layer 구성 한계를 문제로 정의하고 Egress 초기화로 초기 임베딩 범위를 넓힘 → 학습 속도와 추천 정확도 개선을 확인했습니다.
  • 전파 전 임베딩에 가중치를 곱해 전달하는 Weighted Forwarding으로 layer가 깊어질수록 신호가 희석되는 문제를 완화 → over-smoothing 없이 더 깊은 GCN 구성이 가능함을 검증했습니다.
  • FilmTrust·MovieLens-1M·Yelp2018·Douban-book 4개 벤치마크에서 LightGCN·SGL·SimGCL·XSimGCL 등에 제안 기법을 이식해 Recall@20/NDCG@20을 비교 → 기법의 효과와 한계를 다각 검증했습니다.
  • 이 연구를 석사학위논문과 SCIE(Q2) 저널 2편(Electronics·CMC) 1저자 논문으로 게재 → 추천 시스템 최적화 성과를 학술적으로 인정받았습니다.

스택

  • Graph Convolution Network
  • Recommendation System
  • LightGCN
  • PyTorch
  • PCA / GKDE
  • MovieLens-1M / FilmTrust / Yelp2018 / Douban-book
자세히 보기

Kyonggi University / SCIE Journal

KneeXray 5-class K-L grade 분류에서 class별 전문 모델을 결합한 의료영상 앙상블 연구

CMC 2023 논문 「Deep Learning Model Ensemble for the Accuracy of Classification Degenerative Arthritis」를 바탕으로, 무릎 X-ray 영상의 Kellgren–Lawrence grade 분류에서 여러 CNN·Transformer 계열 모델을 비교하고 class별 specialist ensemble로 성능을 개선한 프로젝트입니다.

  • SCIE(Q2) · CMC 1저자
  • Accuracy 77.05% / F1 0.78
  • KneeXray 5-class · 8,260장

주요 작업 3

  • 인접 grade 차이가 작고 class 불균형이 심한 KneeXray 8,260장 K-L grade 0~4 5-class 분류를, 전체 accuracy만으로는 유용성을 설명하기 어려운 문제로 정의했습니다.
  • VGG·DenseNet·ResNet·EfficientNet·MobileNet·Xception·ViT 계열을 동일 조건에서 비교해 grade별 강점 모델을 식별 → 단일 모델의 한계를 데이터로 드러냈습니다.
  • grade마다 가장 강한 모델을 결합하는 class별 specialist ensemble을 구성 → accuracy 77.05%·F1 0.78로 단일 모델을 넘어서고 SCIE(Q2·CMC) 1저자 논문으로 게재했습니다.

스택

  • Medical Image Classification
  • Specialist Ensemble
  • PyTorch / timm
  • Transfer Learning
  • KneeXray
  • Kellgren–Lawrence Grade
자세히 보기

Kyonggi University / KCI Journal

다중 연쇄 U-Net으로 작은 장기 분할 성능을 개선한 의료영상 연구

KCI 논문 「의료 영상 시스템에서 다중 연쇄 U-Net 모델을 이용한 개선된 췌장 영역 분할 탐지」를 바탕으로, 복부 CT에서 췌장 영역을 더 안정적으로 분할하기 위해 서로 다른 패치 크기의 U-Net 특징을 결합한 프로젝트입니다.

  • Pancreas DSC 0.916 (U-Net 0.896)
  • Pancreas-CT 82 scans
  • KCI 논문 · 1저자

주요 작업 3

  • 크기가 작고 경계가 모호해 분할이 어려운 췌장 문제에, 서로 다른 패치 크기의 U-Net 특징을 마지막 단계에서 연쇄 결합하는 MCU-Net 구조를 제안 → 작은 장기·제한된 데이터에서 안정적 분할을 노렸습니다.
  • Pancreas-CT 82개 3D scan·19,328 슬라이스로 4-fold·Dice 기반 평가를 설계 → 성능 수치뿐 아니라 '어떤 기준으로 쟀는지'까지 명확한 검증 체계를 갖췄습니다.
  • MCU-Net M5가 DSC 0.916으로 U-Net 0.896·Attention U-Net 0.832·RSTN 0.846을 상회 → 개선을 입증하고 KCI 1저자 논문으로 게재했습니다.

스택

  • Medical Image Segmentation
  • U-Net / MCU-Net
  • TensorFlow / Keras
  • Pancreas-CT
  • Dice Coefficient
자세히 보기