컴퓨터 비전 데이터셋을 어노테이션하는 가장 빠른 방법

예. Ultralytics Platform은 컴퓨터 비전에서 가장 널리 사용되는 두 가지 어노테이션 표준인 YOLO 및 COCO 형식으로 라벨링된 데이터셋을 지원합니다. 데이터가 CVAT 또는 Roboflow와 같은 다른 도구에서 라벨링된 후 두 형식 중 하나로 내보내졌다면 직접 업로드하여 즉시 학습을 시작할 수 있습니다.

컴퓨터 비전 모델은 라벨링된 데이터셋으로 학습되며, 시각적 패턴과 데이터의 어노테이션 라벨 간의 연관성을 학습합니다. 학습 데이터의 품질, 크기 및 균형은 학습된 모델의 성능에 직접적인 영향을 줍니다. Ultralytics Platform은 도구를 전환할 필요 없이 어노테이션 워크플로를 클라우드 학습에 직접 연결합니다.

Ultralytics Platform은 데이터셋 가져오기를 위해 YOLO 형식과 COCO 형식을 지원하며, 업로드 시 형식을 자동으로 감지합니다. CVAT, LabelImg 또는 LabelMe와 같은 오픈 소스 도구에서 데이터에 어노테이션을 지정한 경우 라벨을 YOLO 또는 COCO 형식으로 내보내면 자동으로 파싱됩니다. 플랫폼에서 어노테이션을 Ultralytics NDJSON 형식으로 내보낼 수도 있습니다.

수동 어노테이션은 사람이 어노테이션 도구를 사용하여 이미지에 직접 라벨을 그리는 방식입니다. 스마트 어노테이션은 Meta가 개발한 오픈 소스 모델인 모든 것을 분할하는 모델 (SAM)과 같은 AI 알고리즘을 사용하여 최소한의 사람 입력으로 이미지에 사전 라벨을 지정합니다. 대부분의 프로덕션 워크플로는 두 방식을 결합하여 속도는 스마트 어노테이션으로 높이고 정확도는 수동 검토로 확보합니다.

이미지 어노테이션은 이미지 안의 객체, 특징 또는 영역을 식별하기 위해 이미지에 라벨을 지정하는 과정입니다. 이는 객체 탐지, 이미지 세그멘테이션, 이미지 분류 및 포즈 추정과 같은 작업을 위한 컴퓨터 비전 모델 학습의 기반 단계입니다. 어노테이션 유형은 사용 사례에 따라 달라지며 바운딩 박스, 폴리곤, 마스크 및 키포인트를 포함합니다. 이는 오픈 소스 도구와 전용 상용 플랫폼 모두에서 수행되는 과정입니다.