바운딩 박스로 각 얼굴을 지정하고 보이는 랜드마크를 표시하세요. 다양한 시점과 촬영 조건에 동일한 규칙을 적용하세요.
학습 작업에 개별 포인트가 아닌 라벨링된 영역이 필요한 경우 마스크나 폴리곤으로 얼굴 영역을 구분하세요.
Unitlab은 학습 데이터 플랫폼입니다. 라벨링된 데이터셋 준비를 지원하며 실제 확인이나 인식은 후속 모델과 시스템이 수행합니다.
얼굴 인식은 신원 확인 및 생체 인식의 한 활용 사례입니다. 이 페이지는 이미지, 영상, 관련 문서 전반의 데이터 워크플로를 다룹니다.
팀은 적합한 모달리티 도구로 이미지와 영상 근거 데이터를 라벨링하고 문서 필드나 영역을 어노테이션할 수 있습니다.
작업에 맞는 클래스와 라벨링 지침을 정의하세요. 포인트 위치와 숨겨지거나 모호한 특징을 처리하는 방법을 명시하세요.
관련 조명, 포즈, 이미지 품질, 가림 조건이 다양한 예제를 선별하세요. 각 데이터셋의 선별 기준을 기록하세요.
관련 이미지, 영상, 문서에 공통 프로젝트 맥락과 일관된 라벨링 규칙이 필요한 경우 멀티모달 워크플로를 활용하세요.
검토자는 원본 근거 데이터를 확인하고 공통 지침을 적용합니다. 필요한 경우 합의와 품질 게이트로 검토 과정을 지원할 수 있습니다.
네. 어노테이션된 예제를 확인하고 필터링한 뒤 데이터셋 버전을 보존하여 모델 개발에 사용된 데이터를 추적할 수 있습니다.
Unitlab 문서에서 어노테이션 및 연동 지침을 확인할 수 있습니다. 데이터 파이프라인과 지원 내보내기 형식에 맞는 API 및 SDK 지침을 따르세요.
