이미지 데이터 라벨링 작업 종류를 알려드립니다.

 

 

 

AI에게 학습 자료를 만들어주는 '데이터 라벨링'은 부업과 새로운 일자리로서 각광을 받고 있습니다. 데이터 라벨링을 시작하는 사람들이 점점 많아지고 있지만 생소한 개념이라 많은 분들이 이해하기 어렵습니다.

 

AI는 흔히 알고 있는 자율주행은 물론 번역, 검색 심지어는 가전용품까지 적용됩니다. 그만큼 AI가 필요로 하는 학습 데이터는 글, 음성, 이미지 등 다양한 종류를 필요로 합니다. 데이터 라벨링 중 가장 많이 접할 수 있는 작업인 이미지 작업의 종류에 대해 소개해드리겠습니다.

 

 

 

 

 

B-box(바인딩박스)

 

이미지 편집에서 가장 간단한 작업입니다. 어떤 물체를 마우스 드래그로 네모 박스로 표시한 다음 어떤 물체를 지정했는지 태깅하는 작업입니다. 일반적으로 의뢰자가 이미지를 제공하고 B-box 작업을 할 물체를 지정해주는 방식입니다.

 

데이터라벨링 초기에는 B-box 작업 대상의 크기가 크고 직관적으로 알아챌 수 있는(강아지, 고양이 등) 대상을 지정했기 때문에 작업의 난이도가 매우 낮았습니다. 하지만 AI가 발달하면서 요구되는 학습데이터의 종류와 난이도도 같이 상승하여 최근에는 B-box도 난이도가 낮은 작업은 찾기 힘듭니다.

 

예를 들어 예전에는 이미지에서 강아지를 선택하라고 했다면 최근에는 강아지 종을 지정하거나 강아지의 표정, 자세 등으로 구분하여 지정하도록 하고 있습니다.

 

그래도 B-box는 난이도가 낮은편에 속해 단가가 낮은 편입니다. 단가는 업체마다 다른데 낮은 곳은 박스 하나당 10원 이하의 단가를 책정하는 등 데이터 라벨링을 '디지털 사회의 인형 눈알 붙이기' 라고 불리게 하는데 일조하고 있습니다.

 

 

 

 

 

 

Polygon, Segmentation

 

해당 작업은 원하는 물체의 테두리에 점을 찍어 그것을 이은 선이 물체를 감싸도록 한 뒤 어떤 물체를 지정했는지 태깅하는 작업입니다. 손이 많이 가는만큼 B-box보다 난이도가 높으며 의뢰주에 따라 테두리를 조밀하게 형성하기를 원하는(한마디로 점을 많이 찍으라는 뜻) 경우가 있어 데이터 라벨러들의 손목 터널 증후군을 책임지는 작업입니다.

 

예를 들어 일반적으로 위의 이미지에서 얼굴, 손, 팔, 몸 등 구분해서 작업을 요구하므로 상당히 지루하고 작업시간이 오래 걸립니다. 하지만 작업자의 숙련도가 크게 작용하는 작업이기에 해당 작업으로 최저시급 이상의 수익을 올리는 라벨러들도 있습니다.

 

 

 

 

 

 

Keypoints

 

의뢰자가 요구한 관절의 위치를 지정하는 작업입니다. B-box보다는 어렵고 Polygon보다는 간단할 수 있지만 난이도가 올라가면 라벨러들의 혈압을 올리는 작업입니다.

 

위 사진처럼 로봇이나 사람 형상이 정자세를 하고 있을 때는 이마, 팔목, 가슴, 턱 등 위치를 지정하기 쉽지만 다양한 동물의 특징적인 부위까지 지정하게 하거나 기계 고유의 위치를 지정하게 하는 등 고난이도의 작업은 데이터 라벨링도 쉽지 않은 작업이라는 것을 깨닿게 합니다.

 

해당 작업도 숙련 시 최저시급 이상을 받을 수 있지만 워낙 변수가 많은 작업이라 반려가 많이 발생하는 작업입니다.

 

 

 

 

 

이미지 데이터 라벨링은 데이터 라벨링에서 가장 쉽다고 할 수 있는 분야이지만 숙련도에 따라 수입이 몇배이상 차이날 수 있습니다. 또한 최근 인공지능 업체들이 요구하는 라벨링의 복잡도가 증가하면서 단순히 이미지의 일부분을 표시하는 것이 아닌 표시 한 이미지를 업체가 원하는 수십가지의 구분으로 분류하는 작업도 포함하게 됐습니다.

 

하지만 현재로서는 프로젝트들의 경향성은 비슷하기 때문에 꾸준하고 다양하게 라벨링을 경험하다보면 다른 라벨러들에 비해 빠르고 정확하게 업무를 수행하여 수익을 낼 수 있다고 할 수 있습니다.