Ground Truth 영상 및 비디오
Computer Vision Toolbox™는 영상과 비디오로부터 ground truth 데이터를 생성하여 객체 검출, 의미론적 분할, 인스턴스 분할, 텍스트 인식, 영상 또는 비디오 분류와 같은 작업을 위한 AI 모델을 훈련시킬 수 있는 전체 워크플로를 제공합니다. 영상 레이블 지정기 앱과 비디오 레이블 지정기 앱을 사용하여 다양한 레이블 유형으로 데이터에 대화형 방식으로 주석을 추가하는 것부터 시작할 수 있습니다. 여기에는 사각형, 다각형, 연속선, 장면 레이블, 픽셀 수준 레이블이 포함됩니다. 영상 모음에 레이블을 지정하려면 Get Started with the Image Labeler 항목을 참조하십시오. 비디오 또는 영상 시퀀스에 레이블을 지정하려면 Get Started with the Video Labeler 항목을 참조하십시오.
영상 레이블 지정기 앱과 비디오 레이블 지정기 앱은 수동 주석 추가, AI 지원 주석 추가, 자동 주석 추가를 지원하므로, SAM(Segment Anything Model) 및 Grounding DINO와 같은 기본 제공 AI 모델을 사용하여 레이블 지정 작업의 속도를 높일 수 있습니다. 자세한 내용은 Get Started with AI-Assisted and Automated Labeling 항목을 참조하십시오. 사용자 지정 자동화 알고리즘을 통합하여 레이블 지정 과정을 특정 요구 사항에 맞게 조정할 수도 있습니다. 자세한 내용은 Create Custom Automation Algorithm for Labeling 항목을 참조하십시오.
레이블 지정이 완료되면, 주석이 달린 데이터를 내보내고 후처리를 거쳐 AI 모델을 위한 훈련 데이터 세트를 만들 수 있습니다. 이 툴박스는 레이블 지정된 데이터를 구성하고 관리하는 워크플로를 지원하여, 분류, 검출, 분할 작업을 위한 훈련 파이프라인과 원활하게 통합할 수 있습니다.
영상 레이블 지정기 앱에는 협업 프로젝트를 위해 팀 기반 레이블 지정을 관리할 수 있는 기능이 포함되어 있어 레이블 지정 작업을 분배하고, 주석을 검토하고, 피드백을 제공하고, 여러 참여자 전체의 진행 상황을 추적할 수 있습니다. 따라서 대규모 데이터 세트 전체에서 더 쉽게 레이블 지정 작업을 확장하고 일관성을 유지할 수 있습니다. 자세한 내용은 Get Started with Team-Based Labeling 항목을 참조하십시오.
주요 항목
- Ground Truth 데이터에 레이블을 지정할 앱 선택
- Get Started with the Image Labeler
- Get Started with the Video Labeler
- Get Started with AI-Assisted and Automated Labeling
- Get Started with Team-Based Labeling
- Training Data for Object Detection and Semantic Segmentation
- Postprocess Exported Labels for Instance Segmentation Training
카테고리
- 영상 및 비디오에 레이블 지정하기
영상 레이블 지정기 앱과 비디오 레이블 지정기 앱을 사용하여 영상과 비디오에 레이블 지정
- AI 지원 및 자동화된 레이블 지정
SAM 및 Grounding DINO와 같은 AI 지원 툴을 사용하여 레이블 지정 자동화, 사용자 지정 자동화 알고리즘 만들기
- 팀 단위의 레이블 지정 프로젝트 관리하기
영상 레이블 지정기 앱을 사용하여 협업 기반 레이블 지정 프로젝트 생성 및 관리, 팀 구성원 간에 레이블 지정 및 검토 작업 분배
- AI 모델 훈련에 Ground Truth 사용하기
AI 모델의 훈련 및 평가를 위해 ground truth 데이터 전처리, 증강 및 분할
추천 예제
Automatically Label Ground Truth Using Segment Anything Model
Produce pixel labels for semantic segmentation using the Segment Anything Model (SAM) in the 영상 레이블 지정기 app. The SAM is an automatic segmentation technique that you can use to segment object regions to label with just a few clicks, or automatically segment the entire image and instantaneously create labels for selected regions. In this example, you interactively label pixels for semantic segmentation in two ways.
Automatically Label Ground Truth Using Vision-Language Model
Automatically label ground truth images for object detection using the Grounding DINO vision-language model (VLM).
Automate Ground Truth Polygon Labeling Using Grounded SAM Model
Combine Grounding DINO and the Segment Anything Model 2 (SAM 2) to automatically produce polygon labels using the Video Labeler app.
Automate Ground Truth Labeling for Semantic Segmentation
Use a pretrained semantic segmentation algorithm to segment the sky and a road in an image.
Automate Ground Truth Labeling for Instance Segmentation
Create an automation algorithm to automatically label data for instance segmentation using a pretrained SOLOv2 network in the Video Labeler app.
Automate Ground Truth Labeling for Object Detection
Create an automation algorithm to automatically label data for object detection using a pretrained object detector.
Automate Ground Truth Labeling for OCR
Automate the labeling of text for OCR training and evaluation.
Automate Labeling of Objects in Video Using RAFT Optical Flow
Use a pretrained RAFT optical flow estimation network to propagate a predefined object mask from one frame to the next in a video sequence.
Export Ground Truth Object to Custom and COCO JSON Files
Export a ground truth object to a custom data format JavaScript Object Notation (JSON) file and to a COCO data format JSON file.
Convert Image Labeler Polygons to Labeled Blocked Image for Semantic Segmentation
Convert polygon labels stored in a groundTruth object into a labeled blocked image for semantic segmentation workflows.
