Earticle

현재 위치 Home

Research Article,

인공지능 학습용 데이터 구축을 위한 이미지 레이블링 자동화 도구 개발
Development Of An Image Labeling Automation Tool For Building Data For Artificial Intelligence Learning

첫 페이지 보기
  • 발행기관
    한국인공지능교육학회 바로가기
  • 간행물
    인공지능연구 논문지 바로가기
  • 통권
    Vol.2 No.3 (2021.12)바로가기
  • 페이지
    pp.56-63
  • 저자
    김태영, 정수나, 박미란, 이세훈, 김기태
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A407464

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

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.

목차

요약
ABSTRACT
I. 서론
II. 기술적 배경
1. RPA
2. 객체 탐지
3. EfficientDet
4. 전이학습
5. KEM
III. 설계 및 구현
1. 프로그램 아키텍처 및 구현 상세
2. 프로그램 구현
IV. 실험 및 평가
1. 실험 환경
2. 실행 결과
3. 전이학습 결과 비교
V. 결론 및 제언
References

키워드

RPA 이미지 레이블링 객체 탐지 전이학습 KEM RPA Image Labeling Object Detection Transfer Learning KEM

저자

  • 김태영 [ TaeYoung-Kim | 인하공업전문대학 컴퓨터시스템과 ]
  • 정수나 [ SuNa-Jeong | 인하공업전문대학 컴퓨터시스템과 ]
  • 박미란 [ MiRan-Park | 인하공업전문대학 컴퓨터시스템과 ]
  • 이세훈 [ SeHoon-Lee | 인하공업전문대학 컴퓨터시스템과 ]
  • 김기태 [ KiTae-Kim | 인하공업전문대학 컴퓨터시스템과 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국인공지능교육학회 [Korean Association of Artificial Intelligence Education]
  • 설립연도
    2019
  • 분야
    사회과학>교육학
  • 소개
    인공지능 기반의 융합 사회의 도래로 사회 전반에서 인공지능의 소양과 역량에 대한 요구가 증가하고 있습니다. 알파고 이후 인공지능은 우리 생활의 일부가 되고 있고 인공지능 기술이 융합 산업의 핵심으로 대두되었습니다. 인공지능기술이 다른 분야를 만났을 때 창출되는 가치는 자동차, 반도체, 스마트폰의 부가가치를 모두 합친 것보다 초월하고 있고 인공지능 역량을 가진 인재는 세상의 변화를 주도하는 막강한 영향력을 갖게 되었습니다. 이러한 인재의 양성은 혁신 기업의 존망을 좌우하게 되었고 국가의 경쟁력으로 이어지고 있습니다. 이것이 인공지능교육의 필요성이며 이를 이끌 단체로서 인공지능교육학회가 있습니다. 한국인공지능교육학회는 인공지능 기술과 융합적 역량을 가진 인재를 양성하고 미래 사회에서 인공지능이 인간을 위한 기술로 전개될 수 있도록 교육의 기반을 마련하고자 합니다. 학회에서는 인공지능에 관한 산학연 연계의 학문을 발전시키고 국가 발전에 기여하는 인재를 양성하는 등 다양한 방면에서 인공지능교육의 발전을 위해 노력하겠습니다. 또한 글로벌 인공지능과 융합 기술 분야에서 우리나라가 선도할 수 있도록 다양한 연구와 학술활동 그리고 국내외 공유의 장을 만들어 가도록 하겠습니다 .

간행물

  • 간행물명
    인공지능연구 논문지 [Journal of The Korean Association of Artificial Intelligence Education]
  • 간기
    연3회
  • pISSN
    2733-404X
  • 수록기간
    2020~2025
  • 등재여부
    KCI 등재후보
  • 십진분류
    KDC 000 DDC 006

이 권호 내 다른 논문 / 인공지능연구 논문지 Vol.2 No.3

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.