의미 있는 활동 구간의 시작과 끝을 선택합니다. 선택 영역 주변의 신호를 보존하면서 클래스와 구조화된 속성을 지정합니다.
전환이나 짧은 이벤트를 하나의 샘플로 표시합니다. 검토와 내보내기 전 과정에서 원본 X축 값과 채널 맥락을 유지합니다.
기록된 웨어러블 측정값에 활동과 이벤트 라벨을 추가하여 머신러닝 데이터셋을 만드는 작업입니다. Unitlab은 기본 차트 작업 공간에서 시계열 구간 및 시점 어노테이션, 공유 온톨로지, 품질 검토를 지원합니다.
수치 또는 지원되는 시간대 정보가 포함된 타임스탬프를 X축으로 사용하고 수치 측정 채널을 갖는 CSV 기록을 사용합니다. 가속도계, 자이로스코프 및 기타 웨어러블 채널의 기록을 이 형식으로 표현할 수 있습니다.
네. 구간 어노테이션으로 온톨로지와 라벨링 지침에서 정의한 활동 클래스를 표현할 수 있습니다. 어노테이터는 주변 신호 맥락을 검토하면서 해당 구간을 선택합니다.
네. 시점 어노테이션은 개별 샘플을 표시하고 구간 어노테이션은 더 긴 기간을 표현합니다. 각 어노테이션은 X축 값 또는 경계와 채널 맥락을 유지합니다.
동일한 X축 범위를 공유하는 개별 차트에서 채널을 살펴보거나 선택한 채널을 하나의 뷰로 합칠 수 있습니다. 라벨은 개별 채널이나 전체 기록에 적용할 수 있습니다.
네. 온톨로지에서 클래스, 구조화된 속성, 기록 수준의 맥락, 관계를 정의합니다. 필수 속성 검사와 일관된 선택지는 팀이 동일한 어노테이션 체계를 적용하도록 돕습니다.
차트에 연결된 댓글과 함께 어노테이션, 검토, 재작업 단계를 사용합니다. 워크플로에 구성된 경우 합의 검토와 승인된 벤치마크 검사가 품질 판단을 지원합니다.
네. 검색, 메타데이터, 태그, 필터로 목적에 맞는 자산을 선별합니다. 데이터셋 버전과 검토된 릴리스는 프로젝트가 커져도 추적 가능성을 유지합니다.
JSONL 내보내기는 활동 구간, 시점 이벤트, 원본 X축 값, 채널 맥락, 지원되는 속성을 보존합니다. 구조화된 출력은 후속 모델 학습 및 평가 파이프라인에 사용할 수 있습니다.
