인공지능 학습 데이터 구축에 필요한 ‘데이터 라벨링’이란?

온라인 알바 및 디지털 신생 일거리로 핫한 데이터 라벨링 누구나 aiworks 플랫폼 상에서 기본 가이드에 따라 blackolive 가공 도구를 활용하여 쉽게 참여할 수 있습니다.

 

데이터 라벨링이란 이미지, 영상, 텍스트 등의 데이터에 사람이 데이터 가공 도구를 활용하여 인공지능이 학습할 수 있도록 다양한 정보를 목적에 맞게 입력하는 것을 의미합니다.

데이터 라벨링 예시

먼저, 사진 이미지 상의 사물에 대한 객체인식 데이터 라벨링 예시를 들어 보겠습니다.

인공지능 데이터 라벨링을 위해서는, 데이터 이미지 위에 사람 또는 자동차 등의 객체의 위치를 표시할 수 있는 박스를 그리고, 해당 박스가 사람인지 자동차인지 분류하기 위해 주석을 다는 작업이 필요합니다.

아래의 이미지로 쉽게 이해하실 수 있습니다. 자동차에 박스를 그리고 ‘자동차’로 표시를 해 주는 것이 데이터 라벨링입니다.

[블랙올리브] Bounding Box 데이터 라벨링 작업 예시

데이터 라벨링을 위한 도구

위와 같이 데이터 라벨링을 효과적으로 하기 위해 가장 좋은 방법은 학습 데이터에 맞게 라벨링 기능을 가진 도구를 활용하는 것 입니다.

데이터 라벨링이 쉬워 보일 수도 있지만, 데이터 입력 기준에 맞춰 라벨링을 진행해야 하기 때문에 집중력과 섬세함이 요구됩니다. 인공지능을 학습시키기 위해서는 정확한 데이터가 필요하며 잘못된 학습 데이터는 인공지능을 망치는 데이터가 될 수 있기 때문입니다.

인공지능 학습을 위한 데이터 형식은 이미지, 영상, 소리, 문서 등과 같이 다양합니다. 데이터 라벨러는 각 데이터 형식에 맞는 도구의 기능과 가이드를 따라 양질의 데이터 라벨링 작업을 할 수 있습니다.

무엇보다, 사용자 입장에서 쉽고 빠르게 활용할 수 있는 도구를 활용하면 다양한 형식의 데이터를 고객이 요청하는 파일 형식으로 빠르게 생성할 수 있습니다.

블랙올리브 주요 기능

현재 테스트웍스의 데이터 가공 도구인 블랙올리브에서 제공하는 라벨링 기능은 아래와 같이 8가지가 있습니다.

1. Bounding Box – 물체를 직사각형 모양의 박스 안에 포함되도록 그리는 라벨링 방법으로 데이터 라벨링 작업에서 가장 일반적으로 사용됩니다.

2. Polygon – 다각형 모양으로 객체의 가시 영역 외곽선을 따라 점을 찍어 그리는 라벨링 방법입니다. 개체 이외의 포함된 빈공간으로 인해 발생할 수 있는 오류에 대응할 수 있는 기능입니다.

3. Polyline – 여러 개의 점을 가진 선을 활용하여 특정 영역을 라벨링 함으로써 인도, 차선 등을 구분하기 위해 사용됩니다.

4. Point – 특정 지점을 라벨링 하는 작업으로 안면 인식을 통한 감정 분석과 같이 정밀하고 섬세한 작업을 요구하는 기술입니다.

5. Cuboid – 2D로 작업할 수 없는 3D 객체들을 정육면체로 생성하는 라벨링 형태입니다.

6. Body – 전체적인 모션 캡쳐나 이상행동 등 사람의 움직임을 검출할 필요가 있는 경우 몸에 객체를 생성하는 방식입니다.

7. Face – 얼굴의 특징점을 검출할 필요가 있는 경우 얼굴에 객체를 생성하는 방식입니다.

8. Hands – 수어 등의 손의 움직임을 파악하기 위해 손의 마디를 검출할 필요가 있는 경우 사용합니다.

크라우드 소싱 방식의 데이터 수집 가공 프로젝트

테스트웍스는 크라우드 소싱 방식의 aiworks 플랫폼을 통해 데이터 수집 및 가공 프로젝트를 오픈하고 있습니다. 온라인 알바 및 디지털 신생 일거리로 핫한 데이터 라벨링 누구나 aiworks 플랫폼 상에서 기본 가이드에 따라 blackolive를 활용하여 쉽게 참여할 수 있습니다.

크라우드 소싱 데이터 수집 가공 플랫폼

또한 aiworks에 연계된 전문 가공 도구인 blackolive를 통해 난이도별 다양한 데이터 라벨링 프로젝트에 참여하여 수익을 얻을 수 있습니다.

누구나 전문 라벨러 및 검수자로 새로운 경력을 쌓을 수 있습니다. 시간이나 장소에 상관없이 어디서나 온라인으로 작업 가능한 전문 데이터 라벨러에 도전해 보세요!