[운송/IoT] 라벨링 자동화로 쉽고 빠르게 결과물을 취득한 엣지비전(Edge Vision)
![[운송/IoT] 라벨링 자동화로 쉽고 빠르게 결과물을 취득한 엣지비전(Edge Vision)](/content/images/size/w2000/2023/04/case_study_image_edgevision.webp)
문제
슈퍼브에이아이를 찾은 Edge Vision은 셀프 호스티드 CVAT 인스턴스와 라벨링 서비스에 과감하게 투자했지만 만족할 만한 품질의 라벨을 얻지 못했다고 했습니다. 사람이 직접 라벨링하면 섬세한 고품질의 라벨을 빠르게 얻을 수 있을 거라고 생각했는데, 오히려 인하우스 ML팀의 시간과 리소스를 너무 많이 소모하는 결과만 낳았습니다.
해결 방법
사용자가 원하는 조건에 맞추어 AI가 자동으로 데이터를 라벨링해 주는 슈퍼브에이아이의 커스텀 오토라벨 Custom Auto-Label과 고성능 데이터 관리/QA 툴을 함께 사용했습니다.
최종 결과
- 어노테이션과 QA에 드는 시간 300% 절감
- 새로운 데이터셋 구축에 드는 시간 1주일 미만
- 스프린트마다 데이터 관련 태스크에 드는 시간 ⅛로 감소
스마트 시티의 엣지 컴퓨팅 환경 구축을 위한 AI를 제작하는 회사인 Edge Vision은 자사의 머신러닝 모델을 위한 데이터를 취득하고 고품질의 데이터셋을 구축하던 중 난관에 부딪혔습니다. 이러한 모델들은 인터넷이나 다른 리소스가 없는 환경에서도 높은 정확도를 유지해야 하기 때문에 특히나 섬세하게 개발해야 했는데요. 이전에는 외부의 라벨링 서비스를 이용한 뒤 사내에서 아주 길고 복잡한 QA 및 검수 프로세스를 거쳐 고품질의 데이터셋을 구축하고자 했지만, 결과적으로는 비즈니스 요구사항을 분석하고 그 내용을 기술적으로 구현하고 적용하는 데 사용할 수 있었던 귀중한 시간을 무분별하게 낭비하는 결과만 낳게 되었습니다.
슈퍼브에이아이와 파트너십을 맺기 이전에는 셀프 호스티드(self-hosted) CVAT 인스턴스를 사용했는데, 시간도 많이 소요되는데다 비효율적이었습니다. 데이터 업로드나 작업 내용 정리부터 외부 라벨러에 데이터를 할당하는 것까지, 데이터 라벨링 및 관리에 필요한 모든 작업은 이 툴을 통해 진행되었는데요. 비효율적인 툴을 사용하는데다 복잡한 데이터를 후처리하기 위해 파이썬 스크립트까지 사용하다보니 작업 속도는 점점 느려질 수 밖에 없었습니다. Edge Vision에서는 자사의 솔루션이 점점 규모가 커지는 만큼 기존의 라벨링 예산을 그대로 유지하면서도 더 효과적으로 데이터를 처리하고 어노테이션할 수 있는 방법이 필요했고, 결국 사람이 직접 라벨링하는 매뉴얼 라벨링을 대체할 수 있는 방법을 찾기 시작했습니다.
그래서 엣지비전(Edge Vision)은 슈퍼브에이아이를 선택했습니다. 슈퍼브에이아이의 플랫폼과 커스텀 오토 라벨(Custom Auto-Label) 기술은 복잡하고 역동적인 장면에서도 자동차나 보행자와 같은 객체를 빠르게 식별해 라벨링할 수 있습니다. 또 AI 어시스티드 어노테이션 툴인 오토 에딧(Auto-Edit)은 더 복잡하고 불규칙한 형태의 사물이나 배경과 같은 객체들을 손쉽게 라벨링하도록 도와줍니다. 원하는 대상에 간단하게 바운딩 박스만 그리면 자동으로 세그멘테이션이 되고, 수정할 부분은 클릭 한 번이면 간단하게 해결할 수 있으니까요.
덕분에 엣지비전은 개발 스프린트에서 라벨링 프로젝트 관리 및 QA에 들어가던 엄청난 시간을 최신 연구 동향 파악, 새로운 알고리즘 테스트, 모델 훈련, 기타 데이터 및 모델 관련 작업 등 더 의미있는 일에 투자할 수 있게 되었습니다. 학습 데이터 및 모델 품질 개선을 위한 폭넓은 기능을 제공하는 슈퍼브에이아이의 플랫폼 덕분에 엣지비전은 더 효율적인 데이터 파이프라인을 구축할 수 있었습니다.
슈퍼브에이아이의 다양한 첨단 기술 덕분에 엣지비전의 어노테이션 및 QA 시간은 순식간에 300% 줄어들었고, 동시에 라벨링 비용도 절감되었습니다. 이제 엣지비전의 ML팀은 짧으면 한 시간 안에 새로운 데이터셋을 라벨링할 수 있고, 일주일 안에 데이터 큐레이션, 샘플링, 이터레이션까지 완벽하게 마무리할 수 있게 되었습니다.
또 외부 라벨러들과 매일 별도로 연락을 주고받을 필요 없이, 매뉴얼 작업이 필요할 때마다 플랫폼에서 직접 소통하고 협업할 수 있다보니 ML팀의 소통 및 협업 능력도 증진되었습니다. 슈퍼브에이아이를 사용한 덕분에 Edge Vision은 데이터셋 라벨링 문제에 대한 돌파구를 찾을 수 있었고, 스마트 시티를 위한 최첨단 AI 솔루션을 개발하고 확장한다는 본연의 업무에 더 집중할 수 있게 되었습니다.