이미지 데이터 어노테이션

1. 컴퓨터 비전 데이터 라벨링, 이미지 데이터 어노테이션의 정의

- 인공지능 모델을 학습시키기 위한 학습 데이터 생성 과정에서 이미지 데이터에 레이블을 추가하는 과정

 

2. 이미지 데이터 어노테이션 유형 및 기법

가. 이미지 데이터 어노테이션 유형

유형	특징	설명
이미지 분류	사진 자체 클래스 분류	- 이미지 자체를 하나의 객체로 보고 분류 - 객체를 하나의 클래스로 분류하는 방법
객체 탐지	사진 내 객체 클래스 분류	- 이미지내 둘 이상의 객체 분류하는 방법 - 이미지내 관심 객체 식별한 뒤 클래스 분류
객체 분할	사진 내 객체 정밀 분류	- 이미지내 다중 객체들 간의 위치 뿐 아니라 객체 모서리(edge)를 찾아 클래스 분류

 

나. 이미지 데이터 어노테이션 기법

기법	특징	설명
바운딩 박스	- 빠른 데이터 가공	- 이미지 혹은 영상안 객체의 가장자리에 맞춘 사각형 틀 그려 캡쳐
폴리곤	- 객체 크기 정확히 인식	- 객체 테두리의 모든 지점을 표시해 객체를 인식하는 방법
폴리라인	- 직선, 곡선 추적 목적	- 지도 및 도로와 같이 시작 종료가 없는 형태 추적시 사용 기법
포인트	- 간단한 작업	- 이미지 속 객체의 개수 계산 방법으로 단일 픽셀을 찾아낼 때 사용
큐보이드	- 3D 환경에서 객체 식별	- 바운딩 박스와 유사하지만 3D환경에서 길이, 너비, 폭까지 인식
시맨틱 세그멘테이션	- 모든 픽셀 대상 작업	- 이미지의 모든 픽셀을 채색하여 객체간 정밀하게 클래스 분류하는 기법