프로젝트 대시보드
전체 진행 상황, 어노테이션 통계, 팀 협업 현황을 한눈에 확인
프로젝트를 생성하고 데이터셋을 구성하여 체계적으로 이미지와 어노테이션을 관리합니다. 각 프로젝트는 여러 데이터셋을 포함할 수 있으며, 데이터셋마다 고유한 라벨과 작업을 설정할 수 있습니다.
Classification, Object Detection, Anomaly Detection 등 작업 유형별로 프로젝트 생성
이미지 일괄 업로드 및 자동 분류, 메타데이터 관리
프로젝트별 커스텀 라벨 생성 및 색상 지정
프로젝트 대시보드
전체 진행 상황, 어노테이션 통계, 팀 협업 현황을 한눈에 확인
이미지 전체에 단일 클래스 라벨을 지정하는 작업 (예: 양품/불량품, 제품 카테고리)
바운딩 박스로 객체 위치를 표시하고 클래스를 지정 (YOLO, Faster R-CNN 등)
정상/비정상을 판별하고 결함 영역을 탐지 (PaDiM, PatchCore 등)
유연한 작업 환경
프로젝트 특성에 맞는 어노테이션 타입을 선택하고 최적화된 도구로 빠르게 작업
YOLOv8n으로 1080p 영상 60FPS 이상 처리 가능
Nano부터 XLarge까지 사용 환경에 맞게 선택
대규모 데이터셋을 빠르게 학습할 수 있는 분산 처리
YOLOv8 (n/s/m/l/x), PaDiM, PatchCore 등 8+ 모델
Loss, mAP, Precision, Recall 등 메트릭 실시간 추적
학습된 모델로 새 이미지 테스트 및 성능 검증
v1 → v2 → v3 버전별 성능 및 메타데이터 추적
기존 지식을 유지하며 새로운 객체 클래스 학습
각 버전의 mAP, Loss 비교 및 이전 버전으로 복원
Microsoft COCO 표준 형식, 대부분의 딥러닝 프레임워크 지원
Ultralytics YOLOv8/v5 학습에 최적화된 형식
Train/Validation/Test 비율 설정 및 자동 분할
mAP, Precision, Recall, F1-Score 등 주요 메트릭 자동 계산
각 클래스의 탐지 정확도 및 Confusion Matrix 시각화
v1, v2, v3 등 여러 버전의 모델 성능을 비교하고 최적 선택
