데이터 라벨링, 어노테이션

라벨링 - 데이터를 효과적으로 분류하기 위해 데이터에 분류명, 이름을 지정 부여하는 작업

어노테이션 - 데이터를 쉽게 해석하기 위해 특징을 추출하고 메타데이터를 추가하는 작업

 

.

 

1. 이미지 분류 (Image Classification):
   - 설명: 전체 이미지에 대한 레이블을 지정하는 작업
   - 기법:
     a. 단일 레이블 분류
     b. 다중 레이블 분류
     c. 계층적 분류
     d. 태그 기반 어노테이션

2. 객체 탐지 (Object Detection):
   - 설명: 이미지 내 특정 객체의 위치를 식별하고 분류하는 작업
   - 기법:
     a. 바운딩 박스 (Bounding Box): 
        - 객체를 직사각형 박스로 둘러싸는 방법
        - 간단하고 빠르게 객체의 대략적인 위치와 크기를 표시
     b. 키포인트 탐지 (Keypoint Detection)
     c. 큐보이드 (Cuboid): 
        - 3D 객체를 표현하기 위한 3차원 바운딩 박스
        - 자율주행차, 로보틱스 등에서 3D 객체 위치 및 방향 표시에 사용

3. 이미지 분할 (Image Segmentation):
   - 설명: 이미지를 픽셀 단위로 분류하는 작업
   - 기법:
     a. 시멘틱 세그멘테이션 (Semantic Segmentation):
        - 각 픽셀을 미리 정의된 클래스로 분류
        - 같은 클래스의 객체들을 구분하지 않고 동일하게 처리
     b. 인스턴스 세그멘테이션 (Instance Segmentation):
        - 같은 클래스의 개별 객체를 구분하여 분할
     c. 파노프틱 세그멘테이션 (Panoptic Segmentation)

4. 다각형 어노테이션:
   a. 폴리곤 (Polygon):
      - 불규칙한 형태의 객체를 정확히 둘러싸는 다각형 생성
      - 복잡한 형태의 객체(예: 건물, 도로)를 정밀하게 어노테이션할 때 사용
   b. 폴리라인 (Polyline):
      - 연속된 선분으로 객체의 윤곽이나 경로를 표시
      - 도로, 강, 전선 등 선형 객체의 어노테이션에 사용

5. 3D 포인트 클라우드 어노테이션:
   - LiDAR 데이터 등의 3D 포인트 클라우드에 레이블을 지정
   - 자율주행, 로보틱스 분야에서 중요하게 사용

6. 시계열 어노테이션:
   - 비디오 프레임별로 객체의 움직임을 추적하고 레이블링
   - 객체 추적, 행동 인식 등에 사용