10개 라벨링으로 자동화하는 데이터 라벨링

LABELING AI는 딥러닝 기반의 Auto-Labeling 기술을 활용하여 소량의 데이터만 라벨링하면 AI를 활용하여 자동화하고 신속하게 대량의 데이터를 라벨링합니다.

검수만으로 더욱 간편한 데이터 라벨링

10개의 라벨링만으로 Auto-Labeling을 수행하고, Auto-Labeling 결과물에 대한 검수만으로 대량의 라벨링 데이터를 확보할 수 있습니다.

데이터를 라벨링하는 가장 효율적인 방법

10개의 라벨링만으로 딥러닝 기반의 Auto-Labeling을 수행하고, Auto-Labeling 결과물을 검수 및 보정하는 작업만으로 대량의 데이터를 라벨링할 수 있습니다.

1. Labeling Manually

수동으로 10건의 라벨링 데이터를 생성합니다.

2. Traing Model

10건의 수동 라벨링 데이터로 Auto-labeling AI를 학습합니다. Auto-labeling 결과를 검수/보정하면 재학습을 통해 Auto-labeling AI 성능을 고도화합니다.

3. Deploy the best AI

이러한 과정을 반복하며 100개의 수동 라벨링으로 1,000개, 10,000개, 100,000개 라벨링을 간편하게 수행할 수 있습니다. 또한, 고도화된 Auto-labeling AI는 물체인식 AI로 바로 배포 및 활용할 수 있습니다.

자유로운 데이터 가져오기/내보내기

라벨링 작업 환경과 상관없이 다양한 좌표 데이터를 LABELING AI로 가져와 라벨링 작업을 진행할 수 있으며, 작업된 라벨링 좌표 데이터를 다양한 형식으로 추출할 수 있습니다.

{
  "images": [
     {
        "id": "60a212aac869a1fea276480d",
        "file_name": "/images/img_labelingExample210517155225.jpg",
        "width": 4000,
        "height": 2084
     }
  ],
  "type": "instances",
   "annotations": [
     {
        "segmentation": [
          [
             1200,
             907,
             1200,
             1882,
             2903,
             1882,
             2903,
             907
          ]
        ],
        "area": 1660425,
        "iscrowd": 0,
        "ignore": 0,
        "image_id": "60a212aac869a1fea276480d",
        "bbox": [
          1200,
          907,
          1703,
          975
        ],
        "category_id": 2621,
        "id": "60a216ae2cd9eb1bbde44e2b"
      }
   ],
   "categories": [
     {
        "supercategory": "none",
        "id": 2620,
        "name": "bus"
     },
     {
        "supercategory": "none",
        "id": 2621,
        "name": "car"
     },
     {
        "supercategory": "none",
        "id": 2622,
        "name": "truck"
     }
   ]
}
<annotation>
  <folder>VOC2007</folder>
  <filename>img_labelingExample.jpg</filename>
  <source>
    <database>The VOC2007 Database</database>
    <annotation>PASCAL VOC2007</annotation>
    <image>none</image>
    <flickrid>none</flickrid>
  </source>
  <owner>
    <flickrid>none</flickrid>
    <name>[email protected]</name>
  </owner>
  <size>
    <width>4000</width>
    <height>2084</height>
    <depth>3</depth>
  </size>
  <segmented>0</segmented>
  <object>
    <name>car</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
      <xmin>1201</xmin>
      <ymin>908</ymin>
      <xmax>2903</xmax>
      <ymax>1882</ymax>
    </bndbox>
  </object>
</annotation>

스마트한 매직툴로 더욱 편리한 라벨링 검수 및 수정

복잡한 형태의 개체도 신속하게 라벨링할 수 있는 매직툴을 통해 라벨링 검수 및 수정도 간편하게 수행합니다.

기존 대비

80% 비용 절감

학습 데이터 준비부터 인공지능 배포까지의 모든 과정을 LABELING AI 하나로 해결할 수 있어, 프로젝트의 비용 및 기간을 절약할 수 있습니다.

일반 라벨링
LABELING AI

인공지능 개발 비용

라벨링 검수 비용

수동 라벨링 비용

라벨링 도구 비용

* 비정상적인 Auto-Labeling

 결과 개체는 

포인트로 환급

되며,

DS2.ai의 모든 서비스에

 사용할 수 있습니다.

지속 학습하는 Auto-Labeling

최초 10개의 수동 라벨링 학습을 시작으로 Auto-Labeling 결과물의 검수/보정 및 재학습을 반복하며 LABELING AI의 성능이 더욱 향상됩니다.

대시보드를 통한 프로젝트 관리

라벨링 프로젝트에 관한 대시보드를 통해 작업현황을 한눈에 확인하고 관리할 수 있습니다.

  • ✓ 데이터 라벨링 진행상황
  • ✓ 라벨링 클래스별 현황
  • ✓ 공유 작업자 작업현황

다양한 인공지능을 활용한 Auto-Labeling

LABELING AI에서는 Auto-Labeling을 수행하기 위한 다양한 방법을 지원합니다.

  • ✓ Custom AI: 수동 라벨링 데이터를 학습하여  Auto-Labeling 수행
  • ✓ General AI: 학습없이 바로 Auto-Labeling 수행
  • ✓ Inference AI: 학습없이 바로 클래스 별 및 데이터 전처리 수행

지속 학습하는 Auto-Labeling

최초 10개의 수동 라벨링 학습을 시작으로 Auto-Labeling 결과물의 검수/보정 및 재학습을 반복하며 LABELING AI의 성능이 더욱 향상됩니다.

대시보드를 통한 프로젝트 관리

라벨링 프로젝트에 관한 대시보드를 통해 작업현황을 한눈에 확인하고 관리할 수 있습니다.

  • ✓ 데이터 라벨링 진행상황
  • ✓ 라벨링 클래스별 현황
  • ✓ 공유 작업자 작업현황

다양한 인공지능을 활용한 Auto-Labeling

LABELING AI에서는 Auto-Labeling을 수행하기 위한 다양한 방법을 지원합니다.

  • ✓ Custom AI: 수동 라벨링 데이터를 학습하여  Auto-Labeling 수행
  • ✓ General AI: 학습없이 바로 Auto-Labeling 수행
  • ✓ Inference AI: 학습없이 바로 클래스 별 및 데이터 전처리 수행

가장 효율적인 라벨링 방법을 바로 시작하세요.