#6 오토라벨링 활용하기🚀

Search…
#6 오토라벨링 활용하기🚀
​
안녕하세요? 라벨링을 마스터하신 여러분🙂, 이제 Suite 라벨링의 다음 단계를 소개해드리겠습니다!
바로 오토라벨링(Auto-Labeling)과 커스텀 오토라벨링(Custom Auto-Labeling)인데요. 기존 라벨링에 대한 자동화 기능을 강화하여 작업 절차를 간소화하고, 라벨링 작업의 속도를 최대 10배까지 끌어올릴 수 있는 기능입니다.
​
Suite의 오토라벨 기술에 대해 보다 자세히 알고 싶으시다면, Superb AI 블로그의 아래 글을 참고해 주세요!
Auto-Label: Part 1. Suite의 오토라벨 기술 들여다보기
​
대상에 따른 데이터 라벨링 자동화
데이터 라벨링 자동화는 라벨링 대상에 따라 오토라벨링과 커스텀 오토라벨링 두 가지 중 선택하시면 됩니다.
​
오토라벨링
Suite의 가장 강력한 기능 중 하나인 오토라벨링은 Common object 100종에 대한 AI 모델을 제공하며, 이를 바로 사용하는 것이 가능합니다. 오토라벨링 기능을 통해 사용자는 라벨링 작업 및 검수 시간을 효율적으로 줄일 수 있으며 궁극적으로 머신러닝 학습용 데이터셋을 보다 더 빠르게 구축할 수 있습니다.
​
오토라벨링 하고자 하는 라벨의 왼쪽 체크 박스 선택 후 [AUTO LABEL] 버튼을 눌러주세요. AI가 자동으로 라벨 작업을 시작합니다.
오토라벨링 작업이 완료되면 해당 라벨의 ‘Auto-label’ 컬럼에 파란색 아이콘이 표시됩니다.
오토라벨링 기능은 프로젝트 생성 시 각 오브젝트 클래스(Object class)와 오토라벨 오브젝트(Auto-label class)를 매핑하여 설정할 수 있으며, 다음의 방법으로 실행할 수 있습니다. (참조: 오토라벨 설정하기)
또한, 오토라벨 AI(Auto-label AI)는 다음의 2가지 기능을 함께 지원하여 사용자의 라벨링 작업과 검수를 효율적으로 도와줍니다.
1.라벨링 작업 난이도 측정 및 분류
각 라벨별 작업 난이도는 ‘Difficulty’ 컬럼에 표시됩니다. (*빨간색-어려움, 노란색-보통, 초록색-쉬움) 사용자는 난이도 별로 라벨을 쉽게 정렬하고 필터링 할 수 있습니다.
2.AI를 통한 불확실성(Uncertainty) 측정
토라벨링 데이터 중 불확실성이 높은 것은 AI가 자동 판단하여 노란색으로 표시합니다. 사용자는 해당 어노테이션을 우선으로 검토할 수 있습니다.
​
커스텀 오토라벨링
[Superb AI Suite] 커스텀 오토라벨링
커스텀 오토라벨링은 특수한 데이터에 특화된 오토라벨을 생성하여 라벨링 자동화를 돕는 기능입니다. 특수한 데이터에 대한 라벨링 자동화 모델 생성을 지원하며, 라벨링이 완료된 초기 데이터셋을 필요로 합니다. 라벨링 하고자 하는 사물이 일반적인 사물이 아닌 경우에도 개발자 지원 없이 Suite 내에서 몇 번의 클릭만으로 사용할 수 있습니다.
다음 단계를 따라 커스텀 오토라벨을 생성해 보세요.
​
1. Export Manually Labeled Dataset
커스텀 오토라벨을 만들기 위해서는 라벨링이 완료된 데이터셋이 필요합니다. 기존에 라벨링된 라벨을 Export 하세요.
​
2. Create a Custom Auto-Label
Export History 메뉴에서 내보내기 기록을 확인한 뒤, Create a Custom Auto-Label AI 버튼을 클릭해 커스텀 오토라벨을 생성하세요. 이 작업은 약 몇 십 분에서부터 몇 시간까지 소요될 수 있습니다.
생성된 커스텀 오토라벨은 'Export 탭 → Custom Auto-Label 메뉴'에서 확인할 수 있습니다.
​
3. Inference
Project Configuration 페이지에서 각 오브젝트 클래스와 커스텀 오토라벨을 연결하면, 오토라벨링과 같은 방법으로 커스텀 오토라벨을 사용할 수 있습니다. 
프로젝트에 라벨링이 되지 않은 이미지가 많은 경우, 전체 과정을 여러번 반복하여 커스텀 오토라벨 AI의 정확도를 향상시킬 수 있도록 오토 라벨을 수백~수천 개의 데이터셋의 일부에만 적용하는 것을 추천합니다.

오토라벨 설정 방법: 프로젝트 > 2단계 라벨 스펙 > 오토라벨 설정​
오토라벨 사용 방법: 라벨 관리 > 오토라벨링​
4. Modify
커스텀 오토라벨링이 완료된 라벨 중 수정이 필요한 라벨을 작업한 뒤, 제출(Submit)해주세요.
수정이 필요한 라벨 수정하기
​
5. Export Modified Dataset
수정된 라벨을 포함한 데이터셋을 다시 Export 해주세요.
​
6. Repeat (Create Again a Custom Auto-Label)
다시 한 번, Export History에서 Create a Custom Auto-Label AI 버튼을 클릭해 더 정교화된 '커스텀 오토라벨'를 생성하세요.
이 때, 다시 Export된 데이터셋은 라벨링이 완료된 데이터를 더 많이 포함하고 있어야 하며, 이전 단계에서 만들었던 모델보다 성능이 우수한 커스텀 오토라벨 AI 모델을 학습시킬 수 있어야 합니다.
2~6번의 단계를 반복적으로 수행하면 커스텀 오토라벨의 성능이 높아지며, 커스텀 오토라벨의 성능이 높아질수록 수정이 필요한 라벨이 줄어듭니다.
​
비디오 오토라벨링
[Superb AI Suite] 비디오 오토라벨링
​
비디오 프로젝트의 오토라벨링은 객체 추적(Object Tracking) 기능이 추가됩니다. 오토라벨링이 연속된 프레임 내 객체의 변화를 탐지하여 자동으로 ID를 부여합니다.
비디오 프로젝트에서 오토라벨링을 사용하면, 비디오 데이터 수가 아닌 총 프레임 수만큼 요금이 계산됩니다.
​
Suite의 오토라벨링이 특별한 이유
오토라벨링은 자체 미국 특허 기술로 Uncertainty Score를 산출하여, 라벨링 작업 난이도를 측정하고 검수가 필요한 라벨을 분류합니다. 모든 결과물을 검수하지 않아도 되기 때문에, 라벨링 단계를 간소화할 수 있습니다. 
오토라벨링은 Active Learning에도 활용될 수 있는데요. Active Learning의 도입을 고려하고 계신다면, Superb AI의 Whitepaper가 여러분께 도움을 드릴 것입니다.
​
참고 사항 
어노테이션 타입 별 Auto-label AI 지원 여부
↗ 관련 매뉴얼: 어노테이션 유형 별 지원 여부 ​
​
​