[기술] 데이터 라벨링 툴 for Machine Learning [이미지만]

데이터 라벨링이란?

• 데이터 라벨링 작업은 머신러닝이나 딥러닝 모델링 작업 전에 학습 데이터에 특정 값을 부여 해주는 것이다. 이는, AI 산업의 기본이기도 하지만, 기업의 AI 사업의 획기적 발전을 이루기 위한 핵심 요소로 인식된다.
• 하지만, 사람이 일일이 하다 보니 비용이 많이 들고 시간이 오래 걸리는 작업이다. 
  - 첫째, 머신러닝을 위해서는 많은 양의 데이터가 필요한데, 이미지를 분류할 때 최소 수천, 수만 장의 이미지가 요구된다.
  - 둘째, 시간을 포함한 많은 비용이 든다.
  - 라벨링 작업자가 많아질수록 일관되고 정확한 라벨링 작업이 어려워진다.
• 얼마나 어렵고 오래 걸리는 작업인지 보여주는 실제 사례: 영국 경제지 파이낸셜타임스(FT)는 "자율주행차 알고리즘이 도로 표지판 등을 학습하려면 수천 시간 분량의 라벨링된 운전 동영상이 필요하다"며 "1시간짜리 동영상에 라벨링하는 데 8시간이 걸린다"고 했다. => 통상 AI 학습 시간의 약 80~90%를 라벨링 작업이 차지하는 것으로 알려졌다.

데이터 라벨링 툴을 사용했을 때, 이점은?(Advantage)

인력, 돈, 시간 모두 줄일 수 있다. 일관된 데이터 퀄리티를 어느정도 보장할 수 있다.

이미지

툴 이름	설명	이미지	참고 링크
labelImg	- 유명한 이미지 라벨링 툴 labelImg 이다. - object detection 학습을 위해 영상에서 Bounding Box 를 지정하여 라벨링을 수행하고, 그 bounding box 정보들을 .xml 로 저장 할 수 있다. - labelImg라는 Python 및 Pyqt 기반의 프로그램을 사용한다.		labelImg
CVAT: Computer Vision Annotation Tool	- 컴퓨터 비전 알고리즘의 데이터 레이블을 지정하는 데 사용되는 무료 오픈 소스 웹 기반 이미지 및 비디오 주석 도구이다. - 웹 기반의 툴이고, 디지털 이미지와 동영상 레이블링에 쓰인다. 주로 object detection, image segmentation and image classification을 위해 쓰인다. - Computer vision data 레이블링을 위한 광범위한 feature를 보유하고 있다. - CVAT는 데이터 레이블링에 다소 시간이 걸린다.		CVAT
LabelMe	- MIT 컴퓨터 과학 및 인공 지능 연구소에서 만든 프로젝트로 주석과 함께 디지털 이미지의 데이터 세트를 제공한다. - 데이터 세트는 동적이며 사용이 자유롭고 대중에게 공개됩니다. - 컴퓨터 비전 연구에 적절하다. - Rectangle 뿐만 아니라 Polygon, Line, Point등 다양한 형태의 도형을 labeling 할 수 있다. - Classification, Segmentation 등 다양한 task의 labeling도 지원한다. - 다양한 기능을 가진 만큼 사용법을 익히기 위해 tutorial을 통해 약간의 사용법을 익힐 필요가 있다.		labelme
Labelbox	- Computer vision application을 구축하기 위한 데이터 annotation에서 가장 빠른 툴로 인식된다. - Labelbox은 artificial intelligence applications을 만들기 위한 데이터 라벨링 툴이다. - Labelbox를 사용하면 사용자 지정 레이블 인터페이스를 사용할 수 있다. - Labelbox를 사용하면 이미지와 텍스트의 기본 레이블을 간단하게 만들 수 있지만, point clouds, maps, videos or medical DICOM imagery와 같은 다양한 데이터 유형이 있으므로 맞춤형 레이블 인터페이스가 필요하다. 이를 위해 Labelbox는 사용자 지정 레이블 프런트 엔드를 쉽게 작성, 설치 및 유지 관리 할 수 있도록 설계하는데 도움을 준다. - labeling 결과를 csv, json 뿐만 아니라 일반적으로 많이 사용하는 데이터셋의 format(COCO, VOC, TFRecord) 등으로 export할 수 있어서 사용 중인 코드가 만약 저러한 format을 input으로 사용하도록 짜여 있는 경우 별도의 변환 과정 없이 쉽게 사용이 가능하다는 장점이 있다. - 웹을 통해 데이터를 업로드하고 annotation을 제작하는 방식이라 인터넷이 연결 되어있는 상황에서만 사용이 가능하며, 특히 데이터 보안 issue가 존재하는 경우에는 사용하기 어려운 단점이 있다.		Labelbox
VoTT	- 데이터 셋을 제작하는데 end-to-end support를 제공한다(자료처리 시스템 / 학습시스템에서 여러 단계의 필요한 처리과정을 한번에 처리합니다. 즉, 데이터만 입력하고 원하는 목적을 학습시키는 것을 뜻한다.) - 비디오와 이미지를 기반으로 한 객체 탐지 모델(Object Detection) 을 검증하는데 쓰인다. - 마이크로 소프트가 개발		VoTT
imglab	- dllib(이미지 처리 및 기계 학습, 얼굴인식 등을 할 수 있는 c++ 로 개발된 고성능의 라이브러리)이나 객체 탐지기를 학습시키기 위한 이미지 레이블링에 사용되는 웹 기반의 툴이다.		imglab
YOLO Mark	- 이미지 안의 객체를 사각형 박스로 표시한 레이어 안의 데이터를 레이블링 하는 툴이다. - 이는 Yolo v3 과 Yolo v2라는 Neural network를 학습하는 데 쓰인다.		Yolo_mark
PixelAnnotationTool	- 디렉토리 안의 이미지에 손으로 빨리 Data annotation을 도와주는 소프트웨어이다.  - OpenCV에서는 마커 기반watershed 알고리즘을 기반으로 한다.		PixelAnnotationTool
OpenLabeling	- YOLO v2 포맷에 에 필요한 학습 데이터 세트를 만들기 위한 Open Source labeling tool - Open CV를 사용한 후, SIFT와 Tracking algorithm을 활용하여 라벨링 작업을 쉽„게 한다.		OpenLabeling
imagetagger	- ImageTagger는 image labeling, verifying annotations, up- and downloading images/labels, managing users and teams, and the definition of image and label categories와 같이 이미지 라벨링에 필요한 통합적 인터페이스들을 웹 기반의 오픈소스 툴이다. - 주소: https://imagetagger.bit-bots.de		imagetagger  imagetagger_관련 참고 논문
Alturos.ImageAnnotation	- Neural Networks를 위해 학습 데이터셋을 관리하는데 사용되고, 이미지들은 아마존의 S3 버킷과 같은 저장소에 저장이 된다. - 서로 다른 특성을 가진 이미지에 일괄적으로 annotation하고 싶다면 Alturos.ImageAnnotation 내의 패키지에 태깅하고자 하는 태그값들을 설정하고, 이미지 데이터를 담은 폴더를 이 패키지에 업로드하면 된다. 이후의 데이터들은 데이터 베이스에 보관이 된다.		Alturos.ImageAnnotation
DeepLabel	- 레이블링된 bounding box에 이미지를 annotation하는 cross-platform tool 이다. - use-case: 객체 담지 머신러닝 application을 위한 ground truth data를 라벨링하는 것이다.     - Windows, Linux and Mac에서 모두 적용할 수 있다.		deeplabel
MedTagger	- 의료 데이터셋을 라벨링하고 축적하는데 도움이 되는 소프트웨어 환경을 조성하는데 쓰인다. - 향후 새로운 데이터에 라벨링할때, 유용하게 사용될 데이터 셋을 만들기 위한 Validation작업도 해준다.		MedTagger
Turktools	- Turktools는 Amazon Mechanical Turk에 대한 언어 조사를 구성하는 데 도움이되는 무료 오픈 소스 도구이다. - 이 도구를 사용하면 언어 문법 조사, 문장 완성 작업 및 사진 일치 작업을 포함한 광범위한 언어 작업 데이터셋을 만들 수 있다.	turktool
Pixie	- Pixie는 경계 상자, 다각형, 자유 그리기 및 시맨틱 분할 객체 레이블을 제공하는 GUI Annotation 도구이다.		Pixie
OpenLabeler	- OpenLabeler는 데이터에 정보를 Annotation을 하기 위한 오픈 소스 응용 프로그램이다. - 인공 지능 및 딥 러닝 교육을 위해 PASCAL VOC 형식 XML 주석 파일을 생성할 수 있다. - 이 오픈 소스의 특별한 점은 TensorFlow와 같은 툴을 참고해서 정확성을 개선하고 Annotation 처리 속도를 높이는 기능이다.		OpenLabeler
Anno-Mage: A Semi Automatic Image Annotation Tool	- 사전 훈련 된 모델을 사용하여 80 개의 객체 클래스에 대한 Annotation을 제안하여 이미지 라벨링을 도와주는 반자동 이미지 주석 도구이다. - Keras나 TensrFlow가 사용될 수 있다.		Anno-Mage
CATMAID	대량의 이미지 데이터를 위한 Annotation 도구이다. CATMAID 사이트	활용사례
makesense.ai	- makesense.ai는 사진 라벨링을 위해 무료 온라인 도구이다. - 브라우저를 사용하기 때문에 복잡한 설치가 필요하지 않고, 운영 체제에서 실행을 할 수 있다. - 소규모 컴퓨터 비전 딥러닝 프로젝트에 적합한데, 이를 위한 데이터 세트 준비 프로세스가 훨씬 쉽고 빠르게 하는데 도움이 된다. - 응용 프로그램은 TypeScript로 작성되었으며 React / Redux duo를 기반으로 한다.		make-sense
LOST - Label Objects and Save Time	- LOST는 특히 반자동 Annotation 파이프 라인을 모델링하여 Annotation 프로세스의 속도를 높이도록 설계하는데 도움이 된다. - 여기서 사용되는 반자동 Annotation은 LOST 내부의 주석에 제시된 AI 생성 주석 제안을 사용하여 달성 할 수 있습니다. - LOST사이트		LOST
annotorious	- 이미지 Annotation을 위한 JavaScript 라이브러리를 제공하고, 몇 줄의 코드만으로 웹 페이지의 이미지에 그리기, 주석 달기 및 태그 지정 기능을 추가할 수 있다. - 이 프로젝트는 오래된 원본 Annotorious를 현대적으로 재부팅 한 것이다.		Annotorious
sloth	- 컴퓨터 비전 연구의 맥락에서 다양한 라벨링 작업을위한 다목적 도구를 제공한다. - 다양한 레이블 형식과 요구 사항이 있기 때문에 모든 레이블 작업을 처리할 수 있는 하나의 레이블 도구 구축하는 것은 사실상 어렵다. 이를 해결하기 위해 Sloth는 필요에 따라 레이블 도구를 신속하게 구성할 수 있는 프레임 워크 및 표준 구성 요소 집합이다.	Sloth

이외의 이미지 라벨링 도구

툴 이름	이미지	참고링크
Diffgram	- RCNN 교육을 통해 이미지 주석을 최적화하는 베타 버전의 유망한 플랫폼이다	링크
RectLabel	- 경계 상자와 다각형을위한 멋진 도구 - Mac에 최적화되어 있다	링크
Prodigy	- 경계 상자가있는 이미지 주석을 포함하여 다른 주석 인터페이스가있는 자체 호스팅 백엔드를 제공합니다.	링크
Fast Annotation Tool	- RotatedRect 형식의 경계 상자에 OpenCV를 사용하는 다른 오픈 소스 도구	링크
PolygonRNN+	- Cityscapes 데이터 세트에 대해 훈련 된 도구는 강화 학습을 통해 자율 주행 차량을위한 자동 레이블을 생성한다.	링크

https://kdj1018.tistory.com/entry/%EA%B8%B0%EC%88%A0-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EB%9D%BC%EB%B2%A8%EB%A7%81-%ED%88%B4-for-Machine-Leraning
출처 / 텍스트나 음성 등 나머지 툴