earticle

영어

High costs are being invested in the "Data Dam" project, one of the top 10 representative tasks of the "Digital New Deal" recently announced by the Ministry of Science and ICT. Accordingly, as a result of analyzing domestic policies and projects related to data construction for AI learning, there is a lack in data labeling automation. Data labeling requires a lot of labor and takes a long time to proceed manually. In addition, different labeling methods from person to person have a negative impact on model learning due to poor data consistency. Therefore, in this study, it is possible to quickly extract high-quality data by shortening data construction time, reducing labor, and consistent labeling. In addition, it helps to extract data in a short time by reducing the frequency of manual work by improving the accuracy of the AI model through transfer learning, and it can help detect various objects by enabling recognition of new objects. Since image labeling is generated in the KEM format, the generated data may also be used as meaningful data in the field of education.

한국어

최근 과학기술통신부에서 발표한 '디지털 뉴딜'의 10대 대표 과제 중 하나인 '데이터 댐' 사업에 높은 비용이 투자되고 있다. 이에 따른 AI 학습용 데이터 구축 관련 국내 정책 및 사업을 분석해 보면 데이터 레이블링 자동화 부분에 부족함이 존재한다. 데이터 레 이블링을 수작업으로만 진행하기에는 노동력이 많이 필요하고 시간도 오래 걸린다. 그뿐만 아니라, 사람마다 다른 레이블링 방식은 데이터의 일관성을 떨어뜨려 모델 학습에 부정적인 영향을 준다. 따라서 본 연구는 데이터 구축 시간 단축과 노동력 절감, 일관성 있는 레이블링으로 빠르게 양질의 데이터 추출이 가능하다. 또한, 전이학습을 통해 AI 모델의 정확도를 향상하여 수작업 빈도를 줄 여 단시간에 대량의 데이터를 추출하는 것에 도움이 되며, 새로운 객체의 인식 또한 가능하여 다양한 객체 탐지에 도움을 줄 수 있 다. 이미지 레이블링은 KEM 형식으로 생성되기 때문에 생성된 데이터는 교육 분야에도 유의미한 데이터로 사용될 수 있다.