Ultralytics 데이터셋 라벨링, 주석 관리, 모델용 데이터 전처리 기능을 위한 내장 도구를 통해 이미지 주석 작업에 관한 모든 것을 알아보세요.
Ultralytics 데이터셋 라벨링, 주석 관리, 모델용 데이터 전처리 기능을 위한 내장 도구를 통해 이미지 주석 작업에 관한 모든 것을 알아보세요.
Ultralytics 컴퓨터 비전 개발의 전체 라이프사이클을 지원하기 위해 구축된 환경인 Ultralytics 선보였습니다. 이 플랫폼은 데이터셋 준비, 이미지 및 동영상 주석 달기, 모델 훈련, 배포 등 비전 AI 워크플로의 다양한 단계를 관리하는 데 사용되는 도구들을 한곳에 통합합니다.
자율주행 및 헬스케어와 같은 다양한 산업 분야에서 컴퓨터 비전 솔루션의 도입이 확대되고 있음에도 불구하고, 여전히 솔루션 구축 과정은 파편화된 것으로 여겨질 수 있습니다. 그 주된 이유 중 하나는 컴퓨터 비전 모델이 학습에 사용되는 데이터의 품질에 크게 좌우되기 때문입니다. 모델이 무엇을 detect 학습할 수 있도록, 훈련을 시작하기 전부터 데이터셋을 생성하고, 정리하고, 검토하며, 라벨링해야 합니다.
시각적 데이터를 다룰 때, 이 과정을 데이터 주석 처리 또는 이미지 주석 처리라고 합니다. 이미지 주석 처리 과정에서 이미지의 특정 부분에 표시를 하고 라벨을 부여하며, 이는 모델 훈련 시 모델에 지침이 됩니다.
예를 들어, 이미지 속의 detect 것이 목표라면, 주석 작성자는 각 개가 나타나는 위치를 표시하기 위해 개 주위에 사각형 테두리를 그릴 수 있습니다. 더 세밀한 작업의 경우, 분할 마스크를 사용하여 개의 윤곽을 그리거나 주요 지점을 표시해 개의 자세를 포착할 수도 있습니다. 이러한 라벨이 지정된 예시들은 모델이 실제 적용되었을 때의 성능에 직접적인 영향을 미칩니다.
대규모 이미지 주석 작업 흐름을 관리하는 것은 쉽지 않은 일입니다. 대규모 데이터셋을 처리할 때는 일관된 라벨링 기준이 필요하며, 여러 주석 작성자 간의 협업과 주석 내용을 검토하고 수정하는 과정을 용이하게 해주는 도구가 필수적입니다.
Ultralytics 내장된 주석 편집기를 통해 이러한 기능을 통합합니다. 이 플랫폼은 다양한 주석 작업 유형을 지원하며, 팀이 단일 워크플로우 내에서 데이터를 라벨링하고 컴퓨터 비전 데이터셋을 준비할 수 있는 보다 간편한 방법을 제공합니다.
이 글에서는 Ultralytics 주석 편집기가 팀이 데이터셋에 효율적으로 주석을 달고 데이터 준비 과정을 간소화하는 데 어떻게 도움이 되는지 살펴보겠습니다. 그럼 시작해 볼까요!
Ultralytics 제공하는 이미지 주석 도구를 살펴보기 전에, 먼저 데이터 주석이 무엇인지, 그리고 컴퓨터 비전 시스템을 구축하는 데 왜 중요한지 이해해 봅시다.
컴퓨터 비전 모델은 데이터셋이라 불리는 방대한 양의 이미지나 동영상 모음을 분석하여 학습합니다. 하지만 원본 이미지만으로는 모델이 무엇을 detect 해야 하는지 파악하기에 충분한 정보를 제공하지 못합니다. 데이터를 훈련에 유용하게 활용하려면, 모델이 어떤 물체, 모양 또는 패턴을 찾아야 하는지 학습할 수 있도록 데이터 라벨링을 통해 이미지에 라벨을 부여해야 합니다.
이미지 주석 작업 과정에서, 이미지 내의 특정 요소들에 표시를 하고 모델이 학습해야 할 내용을 설명하는 레이블을 부여합니다. 이러한 레이블이 지정된 예시들은 훈련 과정에서 딥러닝 모델과 알고리즘을 안내하며, 새로운 이미지를 처리할 때 유사한 패턴을 인식하는 데 도움을 줍니다.
컴퓨터 비전 작업은 적용 분야와 사용 사례에 따라 서로 다른 유형의 이미지 주석이 필요합니다. 예를 들어, 주석 작성자는 물체 탐지를 위해 물체 주위에 바운딩 박스를 그리거나, 의미적 분할을 위해 이미지 내 영역의 윤곽을 표시하거나, 자세 추정을 위해 키포인트를 정의하거나, 분류를 위해 이미지 전체에 레이블을 할당할 수 있습니다.
컴퓨터 비전 프로젝트를 위한 데이터 준비 과정에는 대개 다양한 파일 형식을 다루고 데이터셋을 정리하는 작업이 포함됩니다. 또한 머신러닝 알고리즘의 라벨링 및 훈련을 위해 모든 준비가 완료되었는지 확인하는 작업도 포함됩니다. 많은 워크플로우에서 이 과정은 여러 도구에 분산되어 있으며, 데이터를 실제로 사용할 수 있기 전에 시스템을 오가며 업로드, 정리 및 이동해야 합니다.
Ultralytics 단일 환경 내에서 데이터 전처리, 모델 훈련 및 배포를 처리함으로써 이 과정을 간소화합니다. 팀은 이미지, 동영상 또는 데이터셋 아카이브를 업로드하고, 수동 또는 AI 자동 주석 기능을 통해 데이터를 준비하는 완전히 맞춤형 접근 방식을 활용할 수 있습니다. Ultralytics 원시 데이터는 물론 YOLO COCO 같은 표준 형식도 지원하므로 새로운 프로젝트를 쉽게 시작할 수 있습니다. 또한 플랫폼 내의 기존 데이터셋에 대한 접근 권한을 제공하며, 여기에는 팀이 새로운 프로젝트나 실험을 신속하게 시작하는 데 활용할 수 있는 주석이 달린 데이터셋도 포함됩니다.
데이터가 준비되면 플랫폼에서 직접 관리할 수 있습니다. 개발자는 이미지를 검토하고, 라벨링 진행 상황을 모니터링하며, 내장된 시각화 기능을 활용해 데이터셋의 분포를 파악하고 잠재적인 누락 사항을 확인할 수 있습니다.
이 플랫폼은 데이터셋 버전 관리 기능도 지원하여, 팀이 데이터가 변화하는 과정을 단계별로 기록할 수 있도록 돕습니다. 이를 통해 track 쉽게 track , 실험 결과를 비교하며, 훈련 과정에서 일관성을 유지할 수 있습니다.
데이터 준비가 완료되면, 팀들은 이미지 주석 작업으로 넘어가 모델이 무엇을 detect 학습할 수 있도록 라벨을 붙이게 됩니다.
데이터 업로드가 완료되면 다음 단계는 주석 달기입니다. 이 단계에서 이미지 데이터에 라벨을 부여하여 컴퓨터 비전 모델 훈련의 기반을 마련합니다. Ultralytics 주석 편집기를 통해 내장된 이미지 주석 달기 서비스를 제공하며, 이를 통해 팀은 동일한 환경 내에서 직접 데이터셋에 라벨을 부여하고 관리할 수 있습니다.
주석 편집기는 사용자가 이미지를 검토하고, 라벨을 추가하며, 필요에 따라 주석을 업데이트할 수 있는 간결한 작업 공간으로 펼쳐집니다. 모든 작업이 한곳에 체계적으로 정리되어 있어 데이터셋의 일관성을 유지하고 데이터 훈련에 바로 활용할 수 있도록 하는 데 도움이 됩니다.
팀은 브라우저에서 직접 데이터 세트를 업로드하고 이미지 라벨링을 시작할 수 있으며, 주석 클래스를 정의하고 관리하여 데이터 세트 전체에 걸쳐 라벨의 일관성을 유지할 수 있습니다. 주석이 생성되면 사용자는 편집기에서 이를 시각적으로 검토할 수 있어, 모델 훈련 단계로 넘어가기 전에 정확도를 쉽게 확인할 수 있습니다.
Ultralytics 또한 효율적인 데이터셋 라벨링 워크플로를 지원하는 다양한 기능을 갖추고 있어, 고급 알고리즘을 활용해 주석 달기 과정을 간소화합니다.
Ultralytics 플랫폼에서 제공하는 주요 기능은 다음과 같습니다:
Ultralytics 수동 도구, 인공지능, 자동화 기술을 결합하여 사용자가 이미지를 보다 효율적으로 주석 처리할 수 있도록 지원합니다. 또한 확장 가능한 컴퓨터 비전 모델을 위한 고품질 훈련 데이터를 준비할 수 있게 해줍니다.
제품 품질 보증과 같은 다양한 사용 사례에서는 이미지나 동영상 내에서 무엇을 탐지해야 하는지에 따라 서로 다른 유형의 주석이 필요합니다. 앞서 언급했듯이, Ultralytics 5가지 물체 탐지 작업을 지원하며, 각 작업마다 고유한 주석 유형을 갖추고 있습니다.
이 플랫폼에서 지원하는 라벨링 작업과 이를 활용해 데이터셋에 라벨을 부여하는 방법을 자세히 살펴보겠습니다.
물체 탐지란 이미지 내의 물체를 식별하고 위치를 파악하는 것을 말합니다. 주석 작성자는 바운딩 박스를 사용하여 관심 대상인 각 물체에 표시를 붙여, 해당 물체가 이미지 내 어디에 나타나는지 나타냅니다.
주석 편집기에서는 이 작업을 경계 상자 도구를 사용하여 수행합니다. 사용자는 “편집 모드”로 전환한 후, 클릭하고 드래그하여 개체 주위에 사각형을 그린 다음, 드롭다운 메뉴에서 클래스 레이블을 지정할 수 있습니다.
바운딩 박스는 생성된 후에도 조정할 수 있습니다. 주석 작성자는 모서리나 가장자리 핸들을 드래그하여 크기를 조정하거나, 박스 중앙을 드래그하여 위치를 이동하거나, 키보드 단축키를 사용하여 삭제할 수 있습니다. 이러한 주석은 비전 모델이 다양한 장면과 조건에서 detect 방법을 학습하는 데 도움이 됩니다.
인스턴스 분할은 이미지 내 물체의 정확한 형태를 정의함으로써 보다 상세한 주석을 제공합니다. 주석 작성자는 단순한 사각형을 그리는 대신 다각형 주석을 사용하여 물체의 경계를 추적함으로써, 이미지 분할 작업을 위한 정밀한 마스크를 생성합니다.
주석 편집기에는 이 작업을 위한 다각형 도구가 포함되어 있습니다. 주석 작성자는 물체의 가장자리를 따라 여러 개의 꼭짓점을 배치하여 그 윤곽을 그립니다. 꼭짓점을 모두 배치한 후에는 다각형을 닫아 분할 마스크를 생성할 수 있습니다.
다각형이 생성된 후에도 꼭짓점을 조정할 수 있습니다. 개별 점을 이동하여 객체의 경계를 세밀하게 다듬을 수 있으며, 필요에 따라 꼭짓점을 제거할 수도 있습니다. 이러한 픽셀 단위의 주석 정보는 모델이 세부적인 시각적 구조를 학습하고, 서로 가까이 있는 것처럼 보이는 객체들을 구별하는 데 도움이 됩니다.
자세 추정 주석은 신체 관절의 위치와 관절 간의 관계를 기록합니다. 이를 통해 모델은 이미지 속 사람이나 동물의 구조와 움직임을 파악할 수 있습니다.
주석 작성자는 키포인트 도구를 사용하여 어깨, 팔꿈치, 손목, 엉덩이, 무릎, 발목 등 신체 관절을 나타내는 키포인트를 배치합니다. 이 플랫폼은 17개 포인트로 구성된 COCO 자세 형식을 비롯해 손, 얼굴, 개, 상자 모서리용 템플릿 등 여러 가지 내장된 골격 템플릿을 지원합니다.
템플릿을 사용하면 한 번의 클릭만으로 전체 뼈대 레이아웃을 배치할 수 있으며, 이후 이미지의 포즈에 맞춰 개별 키포인트를 조정할 수 있습니다. 또한 각 키포인트에는 해당 키포인트가 보이는지 가려져 있는지를 나타내는 가시성 플래그를 설정할 수 있습니다.
방향 지정 바운딩 박스는 회전 기능을 지원함으로써 기존의 바운딩 박스를 한 단계 발전시킨 것입니다. 이 유형의 주석은 물체가 이미지 프레임과 일직선이 아닌 비스듬한 각도로 나타날 때 유용합니다.
주석 편집기에서 주석 작성자는 방향 지정 사각형 도구를 사용하여 개체 주위에 회전된 사각형을 그릴 수 있습니다. 초기 사각형을 그린 후에는 회전 핸들을 사용하여 각도를 조정할 수 있으며, 모서리 핸들을 통해 사각형의 크기를 조절할 수 있습니다.
회전된 주석은 항공 사진, 산업 검사 데이터 세트, 그리고 물체가 대각선으로 나타나거나 다양한 시점에서 촬영된 기타 상황에서 자주 사용됩니다.
이미지 분류는 이미지 내의 개별 물체를 표시하는 것이 아니라, 이미지 전체에 라벨을 부여하는 것입니다.
분류 데이터셋의 경우, 주석 편집기에는 클래스 선택 패널이 제공됩니다. 주석 작성자는 사이드바에서 클래스를 선택하거나, 더 빠르게 라벨을 지정하기 위해 키보드 단축키를 사용하여 이미지에 라벨을 할당할 수 있습니다.
이러한 이미지 단위 레이블은 모델이 서로 다른 범주를 나타내는 고차원적인 시각적 패턴을 학습하는 데 도움을 줍니다.
분할과 같은 작업을 위해 이미지에 라벨을 지정하는 일은, 특히 물체의 윤곽을 정밀하게 그려야 할 때 세심하고 꼼꼼한 작업이 필요한 경우가 많습니다. Ultralytics 주석의 정확성을 유지하면서도 검토를 용이하게 하고, 작업 속도를 높여주는 AI 지원 주석 도구가 포함되어 있습니다.
예를 들어, 주석 작성자는 주석에 포함하고자 하는 물체의 특정 부분을 클릭하여 이미지와 상호작용할 수 있습니다. 또한 결과를 정교하게 다듬기 위해 제외해야 할 영역을 표시할 수도 있습니다. 이러한 입력을 바탕으로 모델은 실시간으로 분할 마스크를 생성하며, 사용자는 이를 검토하고 조정한 후 저장할 수 있습니다.
이러한 접근 방식을 통해 모든 세부 사항을 수동으로 추적할 필요 없이 복잡한 이미지를 더 쉽게 처리할 수 있습니다. 동시에, 주석 작성자는 최종 결과물을 직접 관리할 수 있어 데이터셋 전반에 걸쳐 주석의 일관성을 유지할 수 있습니다.
이러한 기능은 Segment Anything Models(SAM)를 기반으로 합니다. 이 모델들은 최소한의 입력 데이터만으로 고품질의 분할 결과를 생성하도록 설계된 오픈 소스 컴퓨터 비전 도구 생태계의 일환입니다. 이 플랫폼은 SAM .1 및 SAM 포함한 다양한 SAM 지원합니다. 이를 통해 팀은 필요에 따라 더 빠른 성능과 더 상세한 결과 중 하나를 유연하게 선택할 수 있습니다.
이러한 AI 지원 도구는 물체 탐지, 인스턴스 분할, 방향 기반 바운딩 박스 탐지 등의 다양한 작업에 적용될 수 있습니다. 즉, 팀은 신뢰할 수 있는 모델 훈련에 필요한 품질을 유지하면서도 대규모 데이터 세트를 보다 효율적으로 처리할 수 있습니다.
라벨링 작업이 진행됨에 따라, 라벨을 수정하거나 오류를 바로잡거나 이미지를 더 자세히 검토하기 위해 이전 단계로 되돌아가는 경우가 흔합니다. Ultralytics 편집기에는 이러한 일상적인 작업을 더 쉽게 처리하고 시간을 절약할 수 있도록 도와주는 내장 도구가 포함되어 있습니다.
편집기에서 사용할 수 있는 워크플로 기능 중 일부는 다음과 같습니다:
명확하고 일관된 라벨링 분류 체계는 신뢰할 수 있는 컴퓨터 비전 데이터셋을 구축하는 데 중요한 역할을 합니다. 프로젝트 규모가 커짐에 따라, 특히 여러 라벨러가 참여하는 경우 방대한 데이터셋 전반에 걸친 라벨링 관리가 어려워질 수 있습니다. 분류 체계를 체계적으로 유지하면 라벨링의 일관성을 보장하고, 모델이 구조화된 데이터를 통해 학습할 수 있도록 돕습니다.
Ultralytics 라벨링 편집기 내에서 직접 클래스 관리를 수행할 수 있도록 함으로써 이 과정을 간소화합니다. 라벨을 별도로 처리할 필요 없이, 팀원들은 이미지를 작업하는 동안 클래스를 생성, 업데이트 및 검토할 수 있어 라벨링 워크플로우 전반에 걸쳐 일관성을 유지하기가 훨씬 쉬워집니다.
편집기 내에서 모든 클래스는 주석 캔버스 옆의 사이드바에서 확인할 수 있습니다. 이를 통해 주석을 달면서 올바른 레이블을 쉽게 선택할 수 있을 뿐만 아니라, 데이터셋 전반에 걸쳐 클래스가 어떻게 사용되고 track . 사용자는 작업 흐름을 방해받지 않고 필요에 따라 기존 클래스를 검색하거나 새로운 클래스를 생성할 수 있습니다.
클래스 세부 정보는 언제든지 업데이트할 수 있습니다. 이름을 직접 수정할 수 있으며, 색상을 지정하여 주석 전반에 걸쳐 각 클래스를 쉽게 구분할 수 있습니다. 또한 편집기에서는 각 클래스에 연결된 주석의 수를 표시하고 이를 검토할 수 있게 하여, 팀이 일관성과 정확성을 확인하는 데 도움을 줍니다.
모든 클래스는 중앙 집중식 테이블을 통해 관리되며, 여기서 정렬, 검색 및 업데이트가 가능합니다. 이곳에서 이루어지는 모든 변경 사항은 데이터셋 전체에 자동으로 반영되므로, 주석 작업의 규모가 확대됨에 따라 팀이 일관성을 유지하는 데 도움이 됩니다.
컴퓨터 비전 시스템이 개발 단계에서 실제 적용 단계로 넘어감에 따라, 라벨링된 데이터의 품질은 모델의 성능에 결정적인 역할을 합니다. 정확하게 라벨링된 데이터셋은 특히 동적이거나 예측하기 어려운 환경에서 모델이 더 정확하고 일관된 예측 결과를 도출하는 데 도움이 됩니다.
실제로는 주석에 사소한 불일치만 있어도 모델의 동작에 영향을 미칠 수 있습니다. 객체에 라벨을 붙이는 방식이나 경계 사례가 처리되는 방식의 차이는 훈련 단계에서는 뚜렷하게 드러나지 않을 수 있지만, 시스템이 실제 환경에 배포되면 예측의 신뢰도를 떨어뜨릴 수 있습니다.
게다가 이러한 불일치는 실제 응용 분야에서 더욱 두드러지게 나타날 수 있습니다. 예를 들어, 로봇 공학 및 의료 시스템에서 모델은 시각적 입력에 의존하여 detect 실시간으로 동작을 제어합니다. 라벨링의 차이는 이러한 시스템이 주변 환경을 얼마나 정확하게 해석하는지에 영향을 미칠 수 있습니다.
일관된 라벨링 방식을 유지하고 Ultralytics 같은 플랫폼을 활용해 시간이 지남에 따라 데이터 세트를 Ultralytics , 팀은 통제된 테스트 환경을 넘어 더 안정적으로 작동하는 모델을 구축할 수 있습니다.
정확한 컴퓨터 비전 모델을 훈련하고 성공적인 이미지 주석 부착 프로젝트를 수행하기 위해서는 고품질의 데이터 주석 부착이 필수적입니다. Ultralytics 다양한 비전 작업을 지원하는 강력한 주석 편집기를 통해 이 과정을 간소화합니다. 수동 주석 부착 도구와 SAM 활용한 AI 지원 라벨링 SAM 내장된 워크플로 기능을 결합함으로써, 팀은 데이터셋을 보다 효율적으로 준비할 수 있으며 데이터 준비 단계에서 모델 개발 단계로 더 빠르게 넘어갈 수 있습니다.
저희 커뮤니티에 가입하시고 GitHub 저장소를 살펴보시면 컴퓨터 비전 모델에 대해 더 자세히 알아보실 수 있습니다. 솔루션 페이지에서 자동차 분야의 AI 및 로봇 공학 분야의 컴퓨터 비전과 같은 다양한 응용 사례를 확인해 보세요. 라이선스 옵션을 살펴보시고 나만의 비전 AI 모델 구축을 시작해 보세요.
미래의 머신러닝 여정을 시작하세요