Annotation Tool 소개

1. 데이터의 중요성

1.1 데이터의 양과 질 

 

1.2 양질의 데이터를 확보하려면?

2. CV 데이터 제작 서비스들

2.1 Labelme

• MIT CSAIL (Computer Science Artificial Intelligence Laboratory) 에서 공개한 image data annotation 도구를 참고하여 만든 오픈소스

• polygon, circle, rectangle, line, point의 annotation 수행 가능

• 장점

    • 설치하기가 용이하다.

    • python으로 작성되어있어, 추가적인 기능 추가가 가능하다.

• 단점

    • 공동작업이 불가능하다. (다수의 사용자가 사용할 수 없다.)

    • object, image에 대한 속성을 부여할 수 없다.

2.2 CVAT

• Intel OpenVINO 팀에서 제작 한 공개 computer vision 데이 터 제작 도구

• image, video 등 일반적인 computer vision task 에서 필 요한 annotation 기능을 모두 포함.

• 주로 object detection, image segmentation, image classification

• automatic annotation으로 model output이 annotation 되어 있지만, 정확하 지 않아 수정합니다

• 굳이 초기에 annotation automation을 하지 않아도, 실시간으로 인퍼런스 결과를 가져올 수 있습니다.

 

• 장점

    • 다양한 annotation을 지원한다.

    • automatic annotation 기능으로, 빠른 annotation이 가능하다.

    • 온라인에서 바로 사용하거나, 또는 오픈소스도 제공되어있어 on-premise로 설치하여 이용가능하다.

    • multi-user 기반 annotation이 가능하며, Assignee, Reviewer 기능이 제공된다.

• 단점

    • model inference가 굉장히 느리다.

    • object, image에 대한 속성을 부여하기가 까다롭다.

 

 

 

2.3 Hasty Labeling Tool

•앞에서 설명드린 도구와 유사한 CV annotation 도구

• 대신, annotation 도구는 전체 솔루션의 일부이고, 데이 터제작/모델학습/서빙/모니터링까지 전체를 쉽게 할 수 있는 솔루션 제공

• 회원가입을 통해서 사용 가능

• 특정 action을 이용할 때마다 비용 발생

 

• 장점

    • 다양한 annotation을 지원한다.

    • semi-automated annotation 기능을 지원한다.

    • cloud storage를 활용할 수 있다. (유료) • multi-user 기반 annotation이 가능하며, Assignee, Reviewer 기능이 제공된다.

• 단점

    • 서비스 자체가 free credit을 다 소진한 이후에는 과금을 해야한다.

    • annotator가 수동으로 이미지마다 review state로 변경해주여야 한다.

    • Hasty 플랫폼에 강하게 연결되어 있어, annotation 도구에 대한 커스터마이징이 불가능하다.

 

2.4 서비스 비교