밀집된 진열대 이미지에서 명확한 인스턴스 경계로 개별 상품을 표시하세요. 인접한 포장을 합치지 않고 관련 클래스 속성을 기록합니다.
상품 어노테이션에 정의된 범주와 눈에 보이는 속성을 부여하세요. 공유 선택지로 팀이 포장 종류를 일관되게 구분할 수 있습니다.
이미지의 상품과 관련 매장 상태에 라벨을 붙여 모델이 탐지 또는 분류 작업을 학습하도록 하는 과정입니다. 일반적인 데이터셋은 진열대, 포장 종류, 상품 유무, 계산대 장면을 다룹니다.
네. 보이는 상품마다 별도 객체 어노테이션을 만들고 맞닿거나 겹치는 인스턴스를 검토하세요. 가림과 일부만 보이는 포장에 대한 명확한 지침으로 라벨의 일관성을 유지할 수 있습니다.
네. 이미지에서 보이는 차이에 따라 별도 클래스나 구조화된 속성을 정의하세요. 검토자는 합의된 상품 분류 체계를 기준으로 모호한 예제를 판단할 수 있습니다.
네. 데이터셋 목적에 맞는 빈 영역 클래스나 상품 유무 속성을 정의하세요. 어노테이션은 후속 모니터링 모델을 위해 눈에 보이는 진열대 근거를 기록합니다.
Unitlab은 선별하고 검토한 학습 데이터를 준비합니다. 상품 인식, 재고 모니터링, 계산대 애플리케이션은 생성된 라벨링 데이터를 자체 모델 파이프라인에서 사용합니다.
작업 전에 공유 클래스, 구조화된 속성, 명확한 라벨링 지침을 정의하세요. 대표 예제와 맥락을 고려한 검토로 리테일 상품 인식 데이터셋의 의견 차이를 해결합니다.
네. 이미지 어노테이션을 검토 및 재작업 단계로 보내세요. 검토자는 원본 데이터를 확인하고 라벨을 수정하며 추가 작업이 필요한 항목을 돌려보낼 수 있습니다.
네. 데이터셋 검색, 메타데이터, 태그, 사용 가능한 필터로 관련 이미지 자산을 선택하세요. 준비 워크플로에서 대표 조건과 어려운 예제를 확인할 수 있도록 유지합니다.
라벨 유형에 적합한 지원 형식으로 검토된 이미지 어노테이션을 내보내세요. 데이터셋 버전으로 준비된 예제 중 어떤 항목이 학습 또는 평가 릴리스에 포함되는지 확인할 수 있습니다.
