플러스프로젝트 배경
1) 문제점 - 보호자는 견종을 정확히 모를 때 흩어진 정보를 직접 검색하고 조합해야 했습니다. - 단순 식별 앱은 결과의 판단 근거를 보여주지 못해 사용자가 신뢰하기 어려웠습니다. - LLM 자유 생성 영양 추천은 반려견 독성 식품을 잘못 권할 위험이 있어 안전 장치가 필요했습니다. 2) 프로젝트 목표 - 사진 한 장으로 품종 식별, GradCAM 근거 시각화, 영양 추천을 한 흐름에서 제공합니
프로젝트 성과
모바일 AI 파이프라인 통합
1개월 내 on-device 추론, GradCAM, SSE LLM 스트리밍, 구조화 DB를 단일 앱 흐름으로 연결했습니다.
GradCAM 기반 모델 디버깅
배경 패턴에 반응하는 실패 케이스를 히트맵으로 확인하고 데이터 큐레이션 방향을 조정했습니다.
LLM 안전 가드레일 적용
독성 식품 블랙리스트, 출력 필터, 구조화 DB cross-check로 영양 추천 위험을 통제했습니다.
핵심 기능
온디바이스 품종 식별 + GradCAM
MobileNetV2를 ONNX/TFLite로 변환해 단말에서 추론하고, GradCAM 히트맵으로 모델 판단 근거를 표시합니다.
진행 단계
모델·아키텍처 검증
2026.03.
MobileNetV2 ONNX/TFLite 변환, RN 단말 추론 PoC, GradCAM 오버레이를 검증했습니다.
프로젝트 상세
1) 포트폴리오 소개 : 서비스 카테고리(ex. 커머스, AI 등)와 메인 타깃(ex. 주부, 청소년) 등을 포함한 간략한 소개 댕슐랭은 사용자가 반려견 사진을 촬영하면 AI가 품종을 식별하고, 해당 품종에 맞는 영양·사료 추천을 LLM 스트리밍으로 제공하는 모바일 AI 서비스입니다. 보호자는 견종을 정확히 모를 때 검색 결과를 직접 조합해야 하고, 일반적인 이미지 식별 앱은 결과만 보여줄 뿐 왜 그렇게 판
