비전 AI 모델 개발,
데이터 업로드부터 API 배포까지

• 오토 라벨링

  클래스 이름만 적으면 AI가 라벨을 그립니다.

  자세히 보기 · 오토 라벨링

• 검수

  자동 라벨을 확인하고 필요한 곳만 고칩니다.

  자세히 보기 · 검수

• 모델 학습

  검수한 이미지로 비전 AI 모델을 학습합니다.

  자세히 보기 · 모델 학습

• 배포

  결과를 웹에서 확인하고 API로 연동합니다.

  자세히 보기 · 배포

측정값

사진 한 장 오토 라벨링 모델 계산(RTX 3090, 개발 환경)

약 0.24초

검수한 학습용 사진 5장부터 학습 시작

5장

예측 응답, 요청 하나일 때(개발 환경)

p95 63ms

0.24초⁠·⁠63ms는 개발 환경에서 잰 내부 측정값이고, 5장은 학습을 시작할 수 있는 최소 장수(설정값, 테스트 세트 제외)입니다. 조건은 아래 화면 설명과 출처 문단에 적었습니다.

사진을 업로드하면 오토 라벨링이 박스를 그립니다

찾을 대상의 이름을 입력하면 SAM 3가 사진마다 박스를 그립니다. 공개 데이터 100장으로 잰 값은 장당 약 0.24초입니다(RTX 3090, bf16).

자동으로 그린 박스를 검수합니다

잘못 그린 것만 고치고 다음 사진으로 넘어갑니다. 단축키로 마우스 없이도 됩니다.

검수한 사진으로 학습을 시작합니다

테스트 세트를 뺀 검수 완료 사진이 5장이면 학습을 시작할 수 있고, 50장부터 결과가 안정됩니다. 학습한 모델은 웹에서 테스트하고 API 키로 서비스에 연동합니다. 요청이 하나일 때 예측 응답은 p95 63ms입니다(RTX 3090, 개발 환경).

화면 속 사진: RF100-VL marine-sharks(Roboflow Universe, 데이터셋 표기 MIT 라이선스, RF100-VL 모음 Apache 2.0). 숫자는 개발 환경에서 잰 내부 측정값입니다: 오토 라벨링은 공개 데이터 100장⁠·⁠bf16⁠·⁠RTX 3090, 학습 안정성은 공개 데이터셋 10개의 퓨샷 평가(10장일 때 시드 편차 최대 ±0.145, 50장부터 ±0.046 이하), 예측 응답은 요청 하나씩 200회.

• 

  주차

  차량 수 집계

  바운딩 박스로 차량을 탐지하고 수를 집계합니다.

• 

  건설

  안전모 탐지

  현장 사진에서 작업자의 안전모를 탐지합니다.

• 

  농업

  과실 윤곽 라벨링

  다각형 라벨로 과실 윤곽을 그립니다.

사진: Unsplash