[부스트캠프 AI Tech]WEEK 12_DAY 56

🎂 개별학습

---

[6] Annotation Guide

1. 가이드라인

1) 가이드라인 : 좋은 데이터를 확보하기 위한 과정을 정리해 놓은 문서

- 좋은 데이터 : 골고루 모여 있고, 일정하게 라벨링 된 데이터

- 일관성이 중요함!

- 특이 케이스를 고려해야 함

- 동일 가이드라인에 대해 같은 해석이 가능하도록 명확하게 작성해야 함

2) 데이터셋 제작 파이프라인

- 서비스 요구사항

- 제작 목적 설정 : 목적, 모델의 in/out

- 가이드라인 제작 : 어떤 이미지인지, 어떻게 라벨링할지

- raw image 수집 : 크롤링, 크라우드 소싱 등

- annotation(라벨링)

- 모델링

- 성능 평가/분석

---

[8] Annotation 도구 소개

1. 데이터의 양과 질

1) Train-data

- Data cleansing

- Annotation

- Annotation Quality Check

2) 양질의 데이터를 확보하기 위해서

- People : 가이드 숙지, 일관된 작업, 작업 효율성, 특이 케이스에 대한 대응력

- Process : 일관된 작업을 보장하기 위한 프로세스, 작업의 유연성

- Tool : 작업의 효율성을 위한 UX/자동화/부가 기능, 커뮤니케이션 효율성을 위한 게시판/댓글 기능

 

2. CV 데이터 제작 오픈 소스

1) LabelMe

- MIT CSAIL에서 공개한 image data annotation 도구를 참고하여 만든 오픈소스

- 다각형, 원형, 사각형, 선, 점 annotation 가능

- 장점 : 설치 용이. python 기반. 기능 추가 가능.

- 단점 : 공동 작업 불가. object/image에 대한 속성 부여 불가.

2) CVAT(Computer Vision Annotation Tool)

- Intel OpenVINO에서 공개한 computation vision 데이터 제작 도구

- object detection, image segementation, image classification에서 사용

- 장점 : 다양한 annotation 지원. 온라인 사용 가능. 오픈소스 제공. multi-user 기반 annotation 가능.

- 단점 : model inference가 느림. object/image에 대한 속성 부여 불가.

3) Hasty Labeling Tool

- annotation 도구는 전체 솔루션의 일부이고, 데이터 제작/모델학습/서빙/모니터링까지 쉽게 할 수 있는 솔루션 제공

- 장점 : 다양한 annotation 지원. semi-automated annotation 지원. multi-user 기반 annotation 가능.

- 단점 : free audit 이후에는 과금 필요. annotation 도구에 대한 커스터마이징 불가.

---

---

🎂 오늘의 회고

annotation 실습 예시!

오늘까지 annotation 제출일인지라 강의 듣고 annotation 하는데에 시간을 보냈다! 하기 전에는 언제다하나 생각했는데, 생각보다 10장은 빨리 끝냈다..(!!) annotation은 위에 사진과 같이 이미지에서 글자만을 추출하는 작업인데, 글자 영역을 사각형이나 다각형 도구로 선택하고, 해당 글자가 어떤 글자인지 작성하는 전사 작업을 거친다. 이미지에 따라 글자가 많은 경우도 있고, 적은 경우도 있고, 글자가 희미한 경우도 있고, 휘어진 경우도 있고 다양한 annotation을 해보았다. 생각해보면 annotation은 정해진 규칙이 있고, 규칙대로 따라야 하고, 간단한 작업이지만, 모델 학습을 위해서는 중요한 작업인지라 데이터 annotation 관련 직종도 재미있을 것 같다는 생각이 들었따..🤔 오후에는 컴퍼니데이로 파인더스에이아이랑 쏘카 기업 소개를 들었다!