데이터 라벨링

영어	Data Labeling / Annotation
분류	데이터 준비
목적	지도 학습 데이터 생성
관련 산업	AI 학습 데이터 산업

'''데이터 라벨링'''(Data Labeling)은 AI 모델 학습에 필요한 데이터에 정답 레이블을 부여하는 작업입니다. == 개요 == 지도 학습(Supervised Learning)에서는 입력과 정답 쌍이 필요합니다. 데이터 라벨링은 이 정답을 사람이 직접 표시하는 작업으로, AI 개발의 필수 단계입니다. "데이터 어노테이션"이라고도 합니다. == 라벨링 유형 == === 이미지 라벨링 === * 분류: 이미지 카테고리 지정 * 바운딩 박스: 객체 위치 표시 * 세그멘테이션: 픽셀 단위 분류 * 키포인트: 랜드마크 표시 === 텍스트 라벨링 === * 분류: 감정, 주제, 의도 * 개체명 인식 (NER): 인물, 장소, 조직 * 관계 추출: 개체 간 관계 * 품질 평가: 텍스트 품질 점수 === 오디오 라벨링 === * 음성 전사: 텍스트 변환 * 화자 분리: 화자 식별 * 감정 라벨링: 음성 감정 * 음향 이벤트 탐지 === 비디오 라벨링 === * 프레임별 객체 추적 * 행동 인식 * 장면 분할 == 라벨링 도구 == === 오픈소스 === * Label Studio * CVAT * LabelImg * Prodigy === 상용 플랫폼 === * Scale AI * Labelbox * SuperAnnotate * Amazon SageMaker Ground Truth == 품질 관리 == === 품질 지표 === * 정확도 (Accuracy) * 일관성 (Consistency) * 완전성 (Completeness) === 품질 보장 방법 === * 다중 라벨러 합의 * 골든 데이터셋 검증 * 교차 검증 * 전문가 리뷰 == 라벨링 산업 == === 크라우드소싱 === * Amazon Mechanical Turk * 다수의 작업자 활용 * 비용 효율적 === 전문 업체 === * 높은 정확도 요구 시 * 의료, 자율주행 등 전문 분야 * 품질 보증 === 자동 라벨링 === * AI 보조 라벨링 * 사람이 검수 * 효율성 향상 == 도전 과제 == * 비용과 시간 소요 * 주관성 문제 * 레이블 일관성 * 프라이버시 이슈 == RLHF 라벨링 == [[ChatGPT]] 등 LLM 학습: * 응답 선호도 평가 * 안전성 라벨링 * 사실성 검증 == 관련 문서 == * [[기계학습]] * [[딥러닝]] * [[지도 학습]] * [[컴퓨터 비전]] [[분류:인공지능]] [[분류:데이터]] [[분류:기계학습]]