[Label Studio] 라벨 스튜디오 사용해보기

Label Studio란?

 Label Studio는 파이썬 기반 오픈소스 데이터 라벨링 툴로 오디오, 텍스트, 이미지, 비디오 등 다양한 유형의 데이터에 라벨링을 수행할 수 있는 프로그램이다. 또한, 웹기반으로 되어있어 사용하기가 편하고 다양한 포맷으로 내보내기가 가능하며, ML 모델과 통합하여 오토라벨링 작업을 수행하거나, 라벨링 된 데이터를 이용하여 학습할 수 있다.

라벨 스튜디오 소개 (출처: https://github.com/HumanSignal/label-studio)

Label Studio 설치

https://github.com/HumanSignal/label-studio

GitHub - HumanSignal/label-studio: Label Studio is a multi-type data labeling and annotation tool with standardized output forma

라벨 스튜디오는 파이썬 pip, conda, docker 등 다양한 설치 방법을 지원하며, 설치할 때 당연하지만 파이썬이 필요하다. 본 글에서는 pip로 설치하는 방법을 설명하도록 하겠다.

pip 설치

pip install label-studio

실행

label-studio

 

프롬프트에서 label-studio를 입력하면 아래와 같이 자동으로 8080 포트로 label-studio 페이지가 열리게 된다.

 

이제 SIGN UP을 눌러 계정을 생성하고 LOG IN 버튼을 누른다.

 

그러면 위와 같은 화면이 반겨준다. 이제 화면 중앙의 Create Project 버튼을 눌러 프로젝트를 만들어보자.

프로젝트 생성

Project Name 탭은 말 그대로 프로젝트의 이름과 설명을 적는 탭이다.

Data Import 탭은 드래그 앤 드롭으로 데이터를 넣는 곳인데, 수백개 이하의 적은 데이터만 넣을 수 있다. 대용량 데이터를 넣을려면 클라우드 스토리지를 이용하거나, 로컬 스토리지를 사용해야한다.

Labeling Setup 탭은 어떤 라벨링을 수행할 지에 대해 템플릿을 설정하는 탭이다. 여기서는 임시로 Object Detection with Bounding Boxes를 선택해보도록 하겠다. 잘못 선택했어도 다른 템플릿으로 변경할 수 있다.

Object Detection 템플릿은 위와 같이 설정되어 있다.

 

왼쪽의 Add label names를 통해 class를 관리할 수 있으며, 그 아래의 Configure Setting을 통해 바운딩박스의 굵기, 회전, 이미지 줌, 라벨의 위치, 필터 등등 다양한 기능을 선택할 수 있다.

 

오른쪽의 UI Preview는 말 그대로 왼쪽에서 설정한 내용을 미리보기 할 수 있는 공간이다.

 

왼쪽의 Browse Templates 아래의 스위치 버튼을 Code로 선택하면 Code 형식으로 템플릿을 생성할 수 있는데, crosshair 기능을 추가한다던가, COCO 혹은 YOLO 포맷에서의 class index를 고정한다던가 하는 좀 더 상세한 설정이 가능하다. 이와 관련된 내용은 아래의 링크를 참조하기 바란다.

https://labelstud.io/tags/image#Parameters

Label Studio — Image Tags for Images

https://labelstud.io/tags/label

Label Studio — Label Tag for Single Label Tags

이제 Save를 눌러 저장하면 아래와 같이 프로젝트가 생성된 것을 확인 할 수 있다.

 

Go to Import 버튼을 눌러 사진 몇 개를 올려보자.

이제 라벨링 작업을 수행할 수 있다.

 

하단의 슬라이더 아이콘을 클릭하면 라벨링 인터페이스에 대한 설정이나 단축키를 볼 수 있다.

 

내보내기

라벨링 작업을 끝마쳤다면 프로젝트 탭의 오른쪽 상단 Export 버튼을 통해 내보내기를 할 수 있다.

여기서는 COCO 포맷으로 내보내기를 수행해보도록 한다.

 

 

위와 같이 정상적으로 내보내기가 수행된 것을 확인 할 수 있다.