2023
.
01
04
03
15
10
대중적인 이미지 형식인 jpeg, png, gif 등의 파일 형식에서부터 raw, heic, tiff, psd, ai, pdf 등 대부분의 이미지 형식을 지원합니다. SaaS 플랫폼을 통해 다량의 image 데이터를 업로드하고 바로 작업을 진행할 수 있습니다.
데이터헌트는 Segmentation/Polygon 작업에 meta에 Segment-Anything 모델을 적용하고 있습니다. 더불어, YOLY, BERT 등 다양한 모델을 사용 중에 있으며, 자체 알고리즘을 통해 성능을 개선시켜 더 정확한 결과물을 제공해 드리고 있습니다. 단순한 적용을 넘어 그 동안 작업했던 300M+의 데이터를 사전 학습시켜 정확도를 높이고 작업 시간을 50% 이상 단축시키고 있습니다.고객사의 데이터의 특징과 규모에 따라 데이터헌트의 AI 엔지니어가 맞춤 AI 모델을 선별하는 과정이 있어 담당 PM과 상의하여 진행하실 수 있습니다.
데이터헌트는 모든 프로젝트에서 총 2회의 가공 데이터 전수 검수(작업자 검수, 관리자 검수)를 진행합니다. 또한 인공지능 모델을 활용하여 데이터 검사를 진행함으로써 휴먼 에러를 한 번 더 정제하게 됩니다. 고객사에서는 데이터헌트에서 발급하는 Client 계정을 통해 수시로 데이터 가공 현황과 품질을 체크할 수 있습니다.
데이터헌트는 Pre-labeling과 실시간 Auto-labeling, 그리고 검수 과정에서 AI를 적극 활용하고 있습니다. 이미지 담당 AI 엔지니어가 고객사 데이터에 최적화된 AI 모델을 찾아 초벌 작업을 진행하여 작업자들이 보다 정확하고 빠르게 데이터를 가공할 수 있도록 지원하고 있습니다.
AI와 작업자의 교차 작업이 데이터헌트의 정확하고 효율적인 프로젝트 매니징의 비결입니다.프로젝트 별로 선별된 AI 모델은 pre-labeling, Auto-labeling 마지막으로 validation 작업에 투입되고 있습니다. 프로젝트 진행 시에는 라벨러가 스스로 모델의 파라미터를 조정하여 프리 라벨링 결과를 재출력하고 작업에 적용할 수 있어 시너지를 낼 수 있도록 했습니다. 라벨러들은 샘플 데이터로 테스트를 진행하여 숙련도를 평가하고 이를 기반으로 프로젝트에 배치하고 있습니다.
Time management를 위한 프로젝트의 진행 현황, 평균적인 처리 시간, 작업 효율, 반려율 등이 있으며Quality management를 위한 AI 연동을 통한 작업 정확도 예측치, 작업자의 우수/불량 작업 예측치 등이 있습니다.더불어, 라벨러의 작업 로그 데이터를 export할 수 있어 비용 관리에 도움을 드릴 수 있습니다.
이미지 데이터 가공을 위해 데이터헌트는 바운딩 박스, 폴리곤 세그멘테이션, 폴리라인 등 다양한 저작도구를 지원합니다. 기존 레퍼런스로는 해외 야간 차선 polyline, 골재 균열 데이터, 얼굴 표정 keypoint, 패션 이미지 멀티모달 등 다양한 사례가 있습니다. 자세한 내용은 상담 남겨주시면 고객사의 데이터셋에 최적화된 데이터 가공 방법을 제안 드립니다.
우선 고객사의 요구 사항에 대해 상호 간에 정의하고, 이를 바탕으로 견적서 협의를 합니다. 견적이 협의되면 계약서 체결 절차가 진행됨과 동시에 프로젝트의 수행 범위에 대해 상세하게 정리합니다.이 절차가 완료되면 데이터헌트에서 해당 프로젝트에 120% 퍼포먼스를 낼 수 있는 작업자들을 선발하고, 가이드 교육 이후 프로젝트에 착수합니다.
데이터헌트는 규모있는 대기업의 구매부서의 요구 사항을 수행한 경험이 많이 있습니다. 구매부서에서 요청하는 견적서, 계약서 외에도 프로젝트 제안서, 거래 명세서 등 다양한 포맷의 문서 자료에 모두 서포트 가능합니다.
.svg)
.svg)
.webp)
.svg)
.svg){kind=icon}
