Superb AI 같은 서비스 제작하기: 이미지 영역 라벨링·유사 검색·데이터 검수 제작법

핵심 요약

1. 물체 영역 라벨링과 유사 이미지 검색, 검수·내보내기를 연결하는 데이터 도구를 만듭니다. 2. SAM 2·CLIP·Qdrant와 CVAT SDK·COCO 형식 변환을 기능별 후보로 활용합니다. 3. 라벨 기준, 모델 실행 서버, 검색 권한과 검수 상태·데이터 버전은 자체 개발합니다.

Superb AI의 기능에서 참고할 가치는 많은 이미지 중 필요한 자료를 찾고 일관된 라벨을 만드는 것입니다. 이미지 라벨링 툴 개발에서는 자동으로 그린 영역을 사람이 검토하고 학습에 쓸 수 있는 형식으로 확정하는 과정이 필요합니다. 다음은 컴퓨터 비전 데이터 플랫폼의 구현 대안입니다.

이미지와 라벨 기준 준비하기

입력은 이용 권한이 있는 이미지와 분류할 물체 종류, 라벨 작성 기준입니다. 자체 코드는 이미지 ID와 크기·출처를 저장하고 클래스 목록과 검수 기준을 버전으로 관리합니다. 비슷한 물체를 어떤 기준으로 나눌지 예시를 함께 제공합니다.

제조 AI 학습 데이터 구축에서는 촬영 장비나 환경, 제품 종류 같은 조건도 기록하면 좋습니다. 잘못된 파일과 중복 이미지, 이용할 수 없는 자료는 먼저 구분합니다. 출력은 작업 대상과 라벨 기준이며 이후 검수 결과가 어떤 기준을 사용했는지 추적할 수 있게 합니다.

SAM 2 마스크 생성 연결하기

입력은 이미지와 사용자의 클릭·박스입니다. SAM 2로 선택한 대상의 영역 마스크 후보를 생성하는 구성을 사용할 수 있습니다. 모델을 실행할 서버 API와 자원·작업 상태 관리는 자체적으로 준비해야 합니다.

자체 편집기는 원본 좌표와 화면 확대 비율을 맞추고 마스크를 더하거나 지울 수 있게 합니다. SAM 2의 영역 분할 결과가 곧 물체의 업무상 분류나 새로운 불량 유형의 판정을 뜻하지는 않으므로 클래스 지정과 검수는 별도로 진행합니다. 출력은 수정 가능한 영역 후보와 선택한 라벨입니다.

CLIP Qdrant 이미지 검색 구현하기

입력은 참조 이미지와 검색할 데이터 범위입니다. CLIP으로 이미지의 벡터 표현을 만들고 Qdrant에서 가까운 후보를 조회하는 구성을 사용할 수 있습니다. 자체 로직은 모델 버전과 벡터 차원, 이미지 ID와 접근 권한을 연결합니다.

유사 이미지 검색의 점수가 높아도 같은 불량이나 같은 물체라고 확정할 수는 없습니다. 촬영 조건과 업무 종류에 맞는 검색 품질을 평가하고 사용자가 후보를 확인하도록 합니다. 출력은 관련 이미지와 점수·속성이며 삭제되거나 접근 권한이 바뀐 자산도 검색에 반영합니다.

라벨 검수와 수정 이력 관리하기

입력은 작업자가 만든 라벨과 자동 생성 후보, 검수 기준입니다. CVAT SDK 연동을 후보로 사용할 때 CVAT 서버와 인증, 작업·검수 구조를 함께 구성합니다. 자체 워크플로는 작성자와 검수자, 반려 사유와 승인 상태를 관리합니다.

학습 데이터 라벨 오류 검수에는 영역 밖 좌표와 빠진 클래스, 겹친 라벨과 작성 기준 불일치를 포함합니다. 수정 전후를 보존하면 의견이 다른 경우 비교할 수 있습니다. 출력은 승인한 라벨과 남은 수정 항목이며 검수되지 않은 결과가 확정 데이터에 섞이지 않도록 합니다.

COCO 데이터셋 내보내기

입력은 승인된 이미지와 라벨, 출력할 데이터셋 버전입니다. COCO 형식에 맞춰 이미지·카테고리·주석 ID와 좌표를 변환하고 필요한 파일을 묶습니다. 자체 코드는 ID 참조와 좌표 범위, 실제 이미지 파일의 존재를 검사합니다.

학습·검증 자료를 나눌 때 같은 원본이나 비슷한 연속 촬영본이 양쪽에 섞이지 않도록 분리 기준을 정합니다. 출력 결과에는 라벨 기준과 사용한 도구 버전을 기록해 재현할 수 있게 합니다. 필요한 이미지 종류와 검수 절차를 정리해 트램스 AI에 제작을 문의해 주세요: https://trams.co.kr/ai-si/contact/#inquiry