제 품 소 개
MLOps 플랫폼 - NSai
데이터 세트 관리부터 데이터 라벨링,
인공지능 모델의 학습 및 배포까지
"머신러닝/딥러닝의 개발주기 전반을 관리"
하는 MLOps 플랫폼 서비스
데이터 세트 관리 데이터 라벨링 인공지능 모델 학습 인공지능 모델 배포
데이터 세트 관리부터 데이터 라벨링,
인공지능 모델의 학습 및 배포까지
"머신러닝/딥러닝의 개발주기 전반을 관리"
하는 MLOps 플랫폼 서비스
데이터 세트 관리 데이터 라벨링 인공지능 모델 학습 인공지능 모델 배포
제품 설명
데이터 세트 관리
  학습에 필요한 데이터 세트의 목록과 세부정보를 모니터링 할 수 있습니다.
  제공되는 세부정보는 다음과 같습니다.
데이터 유형 데이터 세트 크기 데이터 미리보기 라벨링 여부 객체 분류 항목
데이터 라벨링
다양한 라벨링 형태 지원
  상황에 적합한 라벨링 작업을 위하여 Bounding Box, Polygon KeyPoint 와 같은 다양한 라벨링의 형태를 지원합니다.
Bounding Box  객체 외곽에 사각형 형태의 도형으로 그릴 수 있습니다. 객체의 위치와 크기를 효율적으로 표시하는데 유용합니다.
Polygon  다각형을 사용하여 객체의 형태를 정밀하게 그릴 수 있습니다. 복잡한 모양의 객체를 더 정확하게 표시할 수 있습니다.
Key Point  특정 지점을 선택하여 객체의 주요 특징을 표시합니다. 인체 관절이나 얼굴의 특정 부분을 라벨링 하는데 적합합니다.
포인터 가이드라인 제공
   사용자가 라벨링 작업을 보다 정확하고 세밀하게 수행할 수 있도록 도와주는 시각적 가이드라인을 제공합니다.
객체탐지모델 기반의 라벨링 보조기능 지원
  모든 데이터를 수동으로 라벨링하기 힘든 대용량 데이터의 경우에 사용자가 일부 데이터만 라벨링을 진행하면 해당 데이터를 기반으로 한 객체탐지 모델이 자동으로 라벨링을 수행하고 사용자의 피드백을 기다립니다.
  사용자는 자동라벨링의 결과물을 검토하고 일부 수정하는것 만으로도 대용량 데이터의 라벨링을 손쉽게 진행할 수 있습니다.
인공지능 모델 학습
  목적에 적합한 모델의 학습을 진행할때 별도의 코드작성 및 환경구성의 과정 없이 하나의 화면에서 모델튜닝, 학습 모니터링, 모델검증까지 모든 학습 프로세스를 수행 가능합니다.
모델튜닝  Hyper Parameter 조정과 같은 모델 최적화 작업을 지원하여 최고의 성능을 발휘할 수 있도록 모델을 세밀하게 조정할 수 있습니다. 학습 모니터링  모델 학습 과정 중 발생하는 성능 변화를 실시간으로 추적하고 시각화 하여, 학습 과정에서의 문제를 조기에 발견하고 수정할 수 있습니다. 모델검증  사용자가 선택한 평가 지표(Accuracy, Precision, Recall, F1-Score, mAP 등)에 따른 모델 검증을 수행하고 결과를 분석하여 모델의 신뢰성을 보장합니다.
인공지능 모델 배포
  학습된 모델 가중치, 종속성, 환경설정 등을 하나의 패키지로 묶어 제공합니다(Docker Image, zip, tar, pickle). 이를 통해 다양한 운영환경에서 쉽게 모델을 배포하고 사용할 수 있습니다.
제품 설명
데이터 세트 관리
  학습에 필요한 데이터 세트의 목록과 세부정보를 모니터링 할 수 있습니다.
  제공되는 세부정보는 다음과 같습니다.
데이터 유형 데이터 세트 크기 데이터 미리보기 라벨링 여부 객체 분류 항목
데이터 라벨링
다양한 라벨링 형태 지원
  상황에 적합한 라벨링 작업을 위하여 Bounding Box, Polygon KeyPoint 와 같은 다양한 라벨링의 형태를 지원합니다.
Bounding Box  객체 외곽에 사각형 형태의 도형으로 그릴 수 있습니다. 객체의 위치와 크기를 효율적으로 표시하는데 유용합니다.
Polygon  다각형을 사용하여 객체의 형태를 정밀하게 그릴 수 있습니다. 복잡한 모양의 객체를 더 정확하게 표시할 수 있습니다.
Key Point  특정 지점을 선택하여 객체의 주요 특징을 표시합니다. 인체 관절이나 얼굴의 특정 부분을 라벨링 하는데 적합합니다.
포인터 가이드라인 제공
   사용자가 라벨링 작업을 보다 정확하고 세밀하게 수행할 수 있도록 도와주는 시각적 가이드라인을 제공합니다.
객체탐지모델 기반의 라벨링 보조기능 지원
  모든 데이터를 수동으로 라벨링하기 힘든 대용량 데이터의 경우에 사용자가 일부 데이터만 라벨링을 진행하면 해당 데이터를 기반으로 한 객체탐지 모델이 자동으로 라벨링을 수행하고 사용자의 피드백을 기다립니다.
  사용자는 자동라벨링의 결과물을 검토하고 일부 수정하는것 만으로도 대용량 데이터의 라벨링을 손쉽게 진행할 수 있습니다.
인공지능 모델 학습
  목적에 적합한 모델의 학습을 진행할때 별도의 코드작성 및 환경구성의 과정 없이 하나의 화면에서 모델튜닝, 학습 모니터링, 모델검증까지 모든 학습 프로세스를 수행 가능합니다.
모델튜닝  Hyper Parameter 조정과 같은 모델 최적화 작업을 지원하여 최고의 성능을 발휘할 수 있도록 모델을 세밀하게 조정할 수 있습니다. 학습 모니터링  모델 학습 과정 중 발생하는 성능 변화를 실시간으로 추적하고 시각화 하여, 학습 과정에서의 문제를 조기에 발견하고 수정할 수 있습니다. 모델검증  사용자가 선택한 평가 지표(Accuracy, Precision, Recall, F1-Score, mAP 등)에 따른 모델 검증을 수행하고 결과를 분석하여 모델의 신뢰성을 보장합니다.
인공지능 모델 배포
  학습된 모델 가중치, 종속성, 환경설정 등을 하나의 패키지로 묶어 제공합니다(Docker Image, zip, tar, pickle). 이를 통해 다양한 운영환경에서 쉽게 모델을 배포하고 사용할 수 있습니다.
제품 스펙
지원 이미지 형식
jpg, png, bmp, tiff
지원 저장 형식
coco.json, yolo.txt
지원 라벨링 유형
Bounding Box, Polygon, Key Point
자동 라벨링 모델
Faster-RCNN, YOLOv5, Mask-RCNN
자동 라벨링 처리량
1,000 장/회