1. 레이블링이란 무엇인가?
레이블링이란 딥러닝 모델을 훈련시키기 위해 입력 데이터에 정답(레이블)을 붙이는 작업이다. 예를 들어 고양이 사진이 있다면 이 사진이 "고양이"라는 정보를 함께 제공해야 모델이 올바르게 학습할 수 있다. 레이블링은 작업 방식에 따라 세 가지로 나뉜다. 영상분류는 영상 전체에 하나의 레이블을 붙이고, 객체검출은 영상 안에서 객체가 존재하는 바운딩박스 영역 단위로 레이블을 붙이며, 영상분할은 픽셀 단위로 레이블을 붙인다.
2. 레이블링이 필요한 이유를 설명하라.
지도학습은 문제(입력 데이터)와 정답(레이블)을 함께 제공하여 모델을 훈련하는 방식이다. 모델은 입력 데이터와 레이블의 관계를 반복적으로 학습하면서 새로운 데이터에 대해 올바른 예측을 할 수 있게 된다. 따라서 레이블이 없으면 모델이 무엇을 기준으로 학습해야 하는지 알 수 없으므로, 정확한 레이블링은 딥러닝 모델의 성능을 결정짓는 핵심 과정이다.
3. 영상분류 모델을 훈련할때는 레이블링이 필요없는 이유를 설명하라.
지도학습은 문제(입력 데이터)와 정답(레이블)을 함께 제공하여 모델을 훈련하는 방식이다. 모델은 입력 데이터와 레이블의 관계를 반복적으로 학습하면서 새로운 데이터에 대해 올바른 예측을 할 수 있게 된다. 따라서 레이블이 없으면 모델이 무엇을 기준으로 학습해야 하는지 알 수 없으므로, 정확한 레이블링은 딥러닝 모델의 성능을 결정짓는 핵심 과정이다.
4. 레이블링 툴의 종류와 장단점을 조사하라.
labelme: 설치가 간편하고 오픈소스이며 VOC/COCO 등 다양한 포맷을 지원한다. 다만 UI가 단순하고 대규모 협업에는 부적합하다.
CVAT: 바운딩박스, 세그멘테이션, 영상 추적 등 다양한 기능을 지원하며 VOC/COCO 등 여러 포맷을 지원한다. 다만 Docker 기반 설치가 필요해 환경 설정이 복잡하다.
Roboflow: 웹 기반으로 별도 설치가 필요없고 AI 자동 레이블링을 지원하며 YOLO 등 다양한 포맷으로 내보내기가 가능하다. 다만 무료 플랜에 용량 및 기능 제한이 있다.
Label Studio: 이미지, 텍스트, 오디오 등 멀티모달 데이터를 지원하고 MLOps 파이프라인 연동이 가능하다. 다만 커스텀 레이블링 화면을 구성하려면 별도의 설정 문법을 익혀야 하므로 처음 사용하기 어렵다.